J'ai toujours eu des difficultés avec les algorithmes, surtout pour les écrire dans ma calculatrice... J'ai cependant fait la question 1 (même si je ne sais pas si c'est juste), mais je suis totalement bloquée pour les suivantes: 1. Calculs des premiers quartiles des listes 1 et 2: a. Liste 1: Effectif: 8 Valeurs rangées dans l'ordre croissant: 18 / 22 / 24 / 25 / 26 / 27 / 29 / 29 Le premier quartile est la plus petite valeur Q1 d'une série (rangée en ordre croissant) telle qu'au moins 25% de l'effectif lui soit inférieur ou égal. Q1 = 8/4 Q1 = 2ème valeur Q1 = 22. b. Liste 2: Effectif: 6 Valeurs rangées dans l'ordre croissant: 18 / 19 / 24 / 25 / 26 / 27 Q1 = 6/4 Q1 = 1, 5 On arrondit à la valeur au-dessus, soit la 2ème. Q1 = 19. 2.??? Statistiques en 1ère S - Cours, exercices et vidéos maths. Je ne sais pas si mes calculs sont faux, si ma manière de procéder est mauvaise, si je n'ai pas compris ou si je passe à côté d'une erreur bête, mais je ne vois rien à observer... Ce qui me bloque totalement pour la suite de l'exercice. Pouvez vous m'aider s'il vous plaît?
Télécharger votre Calendrier
En moyenne, les employés ont pris 2 jours de congés en juin. 2. Variance, écart type Définitions n° 2: On appelle variance d'une série statistique, la moyenne des carrés des écarts entre les valeurs observées et la moyenne de la série. On la note V V. On a: V = n 1 × ( x 1 − x ‾) 2 +... + n p × ( x p − x ‾) 2 N V = \frac{n_1 \times (x_1 - \overline{x})^2+... Exercice statistique 1ère série. + n_p \times (x_p - \overline{x})^2}{N} On appelle écart type d'une série statistique, la racine carrée de la variance de cette série. On le note σ \sigma. On a: σ = V \sigma = \sqrt{V} L'écart type s'exprime dans la même unité que la variable étudiée. L'écart type est un indicateur de dispersion de la série autour de la moyenne. Plus l'écart type est petit, plus les valeurs de la série sont proches autour de la moyenne. Inversement un grand écart type signifie que les valeurs sont éloignées les unes des autres. Propriété: On peut calculer la variance: V = n 1 x 1 2 +... + n p x p 2 N − x ‾ 2 V = \frac{n_1x_1^2 +... + n_px_p^2}{N} - \overline{x}^2 V = 10 × 0 2 + 9 × 1 2 + 5 × 2 2 + 6 × 3 2 + 3 × 4 2 + 4 × 5 2 + 0 × 6 2 + 1 × 7 2 38 − 2 2 = 280 38 − 4 ≈ 3, 37 V = \frac{10 \times 0^2 + 9 \times 1^2 + 5 \times 2^2 + 6 \times 3^2 + 3 \times 4^2 + 4 \times 5^2 + 0 \times 6^2 + 1 \times 7^2}{38} - 2^2 = \frac{280}{38} - 4 \approx 3, 37 σ = V ≈ 1, 84 \sigma = \sqrt{V} \approx 1, 84 II.