Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Typification

Cet article explique ce que signifie caractériser une distribution dans les statistiques. Ainsi, vous trouverez la définition de la typification, un exemple de typification d’une variable et, en plus, vous pourrez vous entraîner avec un exercice résolu étape par étape.

Qu’est-ce que taper ?

En statistique, la normalisation est un processus dans lequel une transformation linéaire est appliquée à une distribution de sorte que sa moyenne et son écart type soient respectivement égaux à zéro et un.

Plus précisément, le typage consiste à soustraire la moyenne de la variable aléatoire puis à la diviser par l’écart type.

La saisie peut également être appelée normalisation ou standardisation.

Formule de saisie

Pour classer une variable, vous devez soustraire sa moyenne puis la diviser par son écart type. La formule pour saisir une variable est donc la suivante :

formule de classement

\mu est la moyenne de la variableX et\sigma son écart type (ou écart type).

Par conséquent, la saisie est en fait un changement de variable, puisqu’une transformation linéaire est appliquée à la variable.

Exemple de saisie

Compte tenu de la définition de la typification et de sa formule, vous trouverez ci-dessous un exemple concret pour bien comprendre le concept.

  • Une variable aléatoire continue suit une loi normale de moyenne 45 et d’écart type 10, quelle est la probabilité d’obtenir une valeur inférieure ou égale à 60 ?

N(45,10)

Pour trouver la probabilité d’une distribution normale, nous devons utiliser sa table caractéristique, mais pour ce faire, nous devons d’abord effectuer le processus de typage. Nous soustrayons donc la moyenne et divisons par l’écart type à la valeur de probabilité :

\displaystyle P(X\leq 60)=P\left(Z\leq\frac{60-45}{10}\right)=P(Z\leq 1,5)

Une fois que nous avons standardisé, nous passons au tableau de probabilité de la distribution normale pour voir à quelle probabilité correspond la valeur de 1,5 :

table de typage de distribution normale

Comme on peut le voir dans le tableau de typification de la distribution normale, la valeur calculée à l’étape précédente correspond à la probabilité suivante :

\displaystyle P(Z\leq 1,5)=0,9332

La probabilité d’obtenir une valeur égale ou inférieure à 60 est donc de 93,32 %.

Exercice de frappe résolu

Calculez les probabilités suivantes d’une distribution normale dont la moyenne et l’écart type sont respectivement de 120 et 50.

N(120,50)

  • La probabilité d’obtenir une valeur inférieure ou égale à 208.
  • La probabilité d’obtenir une valeur supérieure à 137.

Dans les deux sections du problème, nous devons taper la distribution normale pour calculer les probabilités.

On commence par calculer le typage de la probabilité d’une valeur inférieure ou équivalente à 208 :

\displaystyle P(X\leq 208)=P\left(Z\leq\frac{208-120}{50}\right)=P(Z\leq 1,76)

Et maintenant, regardons le tableau ci-dessus à quelle probabilité correspond la valeur 1,76 :

\displaystyle P(Z\leq 1,76)=0,9608

Dans un deuxième temps, nous allons calculer la probabilité d’obtenir une valeur supérieure à 137. De la même manière, nous commençons par taper la variable :

\displaystyle P(X> 208)=P\left(Z>\frac{137-120}{50}\right)=P(Z>0,34)

Cependant, le tableau ci-joint n’a que les probabilités cumulées les plus faibles, donc pour utiliser le tableau, nous devons d’abord transformer la probabilité :

\displaystyle P(Z>0,34)=1-P(Z\leq 0,34)

Et, enfin, on retiendra du tableau ci-joint la probabilité correspondant à la valeur calculée de Z :

\displaystyle P(Z>0,34)=1-P(Z\leq 0,34)=1-0,6331=0,3669

A quoi sert de taper ?

Pour finir de comprendre le sens de la typification, nous allons voir à quoi elle sert et quand une variable doit être typée.

Principalement, la standardisation est utilisée pour comparer les valeurs de distributions avec des moyennes et des variances différentes. De même, la standardisation est également utilisée pour calculer une probabilité.

En standardisant deux valeurs de distributions ayant des caractéristiques différentes, nous pouvons voir quelle valeur est plus grande ou plus petite par rapport à l’ensemble de la distribution. Ou en d’autres termes, en appliquant le processus de typification, nous pouvons voir quelle valeur est la plus proche ou la plus éloignée de la moyenne de sa distribution.

De plus, comme expliqué ci-dessus, la typification permet également le calcul de probabilités, puisque généralement les tableaux de probabilités sont basés sur une distribution typifiée.

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *