Statistique et Probabilités pour l’Ingénieur

La statistique et les probabilités sont des domaines fondamentaux pour l’ingénieur, permettant d’analyser, d’interpréter et de prendre des décisions à partir de données souvent incertaines ou fluctuantes. Cet article présente les notions essentielles de la statistique descriptive, indispensables pour tout étudiant ou professionnel souhaitant comprendre comment représenter et résumer des données numériques, qu’elles soient discrètes ou continues.

La question

Le travail s’intéresse à la manière de traiter des données statistiques issues d’observations ou de mesures, souvent soumises à des fluctuations dues à des causes multiples. La question centrale est : comment représenter efficacement ces données pour en extraire une image claire et concise de la réalité ? Cette problématique est cruciale pour les ingénieurs qui doivent prendre des décisions fiables malgré l’incertitude inhérente aux mesures expérimentales ou aux sondages.

Concepts de base

Pour comprendre la statistique descriptive, il faut d’abord maîtriser quelques notions fondamentales :

• Population et individus : La population est l’ensemble des éléments étudiés (par exemple, un lot de tiges métalliques), et chaque élément est un individu.
• Caractères et variables statistiques : Un caractère est une propriété étudiée sur les individus (comme la résistance à la traction). Une variable statistique ou aléatoire est un caractère qui peut prendre différentes valeurs, soit discrètes (nombre fini de valeurs) soit continues (valeurs dans un intervalle).
• Modalités : Ce sont les différentes valeurs possibles d’un caractère. Elles doivent être mutuellement exclusives et exhaustives.
• Échantillon : Un sous-ensemble de la population, choisi souvent de manière aléatoire, pour permettre des inférences sur la population entière.
• Fréquences :
  • Fréquence absolue (effectif) : nombre d’occurrences d’une valeur.
  • Fréquence relative : proportion de cette valeur dans l’ensemble.
  • Fréquence cumulée : nombre ou proportion d’individus dont la valeur est inférieure ou égale à une certaine valeur.

Approche

La méthode consiste à organiser les données en séries numériques, soit à une dimension (un seul caractère), soit à plusieurs dimensions (plusieurs caractères). Pour une variable à une dimension, on distingue :

• Variables discrètes : on liste les différentes valeurs prises, avec leurs fréquences absolues, relatives et cumulées.
• Variables continues : les données sont regroupées en classes d’amplitude définie, et on calcule les effectifs et fréquences pour chaque classe.

Pour représenter graphiquement ces données, plusieurs outils sont utilisés :

• Diagramme en bâtons pour les variables discrètes, où la hauteur des bâtons est proportionnelle à la fréquence.
• Histogramme pour les variables continues, constitué de rectangles juxtaposés dont la surface est proportionnelle à la fréquence de la classe correspondante.
• Polygone de fréquences : courbe obtenue en reliant les milieux des sommets des rectangles de l’histogramme.
• Courbes cumulatives : croissante (fréquences cumulées croissantes) ou décroissante (fréquences cumulées décroissantes), permettant de visualiser la répartition des données.
• Diagramme en feuilles et tiges : méthode pour visualiser la distribution des données numériques en décomposant les valeurs en parties « tige » et « feuille ».
• Diagrammes à secteurs circulaires ou à rectangles horizontaux : pour représenter les proportions des différentes modalités qualitatives.

Numériquement, la série est résumée par des caractéristiques statistiques :

• Tendance centrale : moyenne arithmétique, médiane, mode, quantiles.
• Dispersion : étendue, variance, écart-type (non détaillés dans l’extrait).
• Forme et concentration : autres mesures statistiques (non détaillées ici).

La moyenne arithmétique est calculée soit directement sur les données, soit à partir des classes en utilisant les centres de classe. La médiane divise la série ordonnée en deux parties égales et peut être calculée par interpolation dans le cas de données regroupées en classes.

Résultats

Le travail présente plusieurs exemples concrets :

• Le nombre de défauts sur des pièces de tissu, avec calcul des fréquences absolues, relatives et cumulées, illustrant la méthode pour des variables discrètes.
• La durée de vie de dispositifs électroniques, regroupée en classes d’égale amplitude, avec calcul des fréquences et représentation par histogramme et courbes cumulatives.
• Le poids de 25 éprouvettes présenté sous forme de diagramme en feuilles et tiges, permettant une visualisation rapide de la distribution.
• Le nombre d’enfants dans 100 familles, présenté par un diagramme en bâtons.
• L’étude de la dispersion d’un lot de résistances, avec histogramme et polygone de fréquences.

Ces exemples montrent comment la statistique descriptive permet de synthétiser des données complexes en informations accessibles et exploitables.

Limites et questions ouvertes

Le regroupement en classes, notamment pour les variables continues, entraîne une perte d’informations fines et des détails sur la distribution. Le choix du nombre de classes est délicat : trop peu de classes réduisent la précision, trop de classes rendent l’analyse difficile et certaines classes peuvent avoir des effectifs faibles. La formule de Sturges est proposée comme guide approximatif pour déterminer ce nombre.

Par ailleurs, la moyenne arithmétique est sensible aux valeurs extrêmes ou aberrantes, ce qui peut biaiser l’interprétation. Il est parfois nécessaire de les exclure ou d’utiliser d’autres mesures plus robustes.

Enfin, la notion de variable continue est théorique, car toute mesure est en pratique discrète à cause de la précision limitée des instruments.

Glossaire

• Population : ensemble des individus étudiés.
• Individu : élément de la population.
• Caractère : propriété étudiée sur les individus.
• Variable statistique : caractère pouvant prendre différentes valeurs, qualitative ou quantitative.
• Variable discrète : variable quantitative prenant un nombre fini de valeurs.
• Variable continue : variable quantitative pouvant prendre toutes les valeurs d’un intervalle.
• Échantillon : sous-ensemble de la population utilisé pour l’étude.
• Fréquence absolue (effectif) : nombre de fois qu’une valeur apparaît.
• Fréquence relative : proportion d’une valeur dans l’ensemble des données.
• Fréquence cumulée : somme des fréquences jusqu’à une certaine valeur.
• Moyenne arithmétique : somme des valeurs divisée par le nombre total de valeurs.
• Médiane : valeur qui partage la série ordonnée en deux parties égales.
• Histogramme : représentation graphique des fréquences par des rectangles.
• Diagramme en bâtons : représentation graphique des fréquences pour variables discrètes.
• Diagramme en feuilles et tiges : représentation graphique décomposant les valeurs numériques en parties.