est l’ensemble des m traitement et l’interp à un groupe d’individ au „ statistique est une sc est proche de la théo DOC STATISTIQUE EXPO Premium By Fanami1995 [beapanR 13, 2015 7 pages SOMMAIRE INTRODUCTION SITUATION GEOGRAPHIQUE LA STATISTIQUE DEFINITION Commençons par préciser que donner une définition de la statistique n’est pas chose facile, comme expliqué dans la section précédente, les définitions de la statistique évoluent en fonction de l’époque ou de son utilisation. En 1935, le statisticien Walter F. Willcox dénombrait entre 100 et 120 définitions différentes6.
Donnons en premier lieu, la définition la plus classique actuellement utilisée, au moins depuis 1982 : « La statistique vien « ext jet la collecte, le bsewation relatives e définition, la hématiques, elle t elle-même une science de l’aléatoire. (voir Interconnexions entre la théorie des probabilités et la statistique pour plus de détails). Les différents aspects de la statistique sont regroupés en différents domaines ou concepts : la statistique descriptive, l’inférence statistique, la statistique mathématique, l’analyse des données, etc.
John Tukey prétend qu’il y a deux approches en statistiques, entre esquelles on jongle constamment : les statistiques exploratoires et les statistiques confirmatoires (exploratory and confirmatory statistics) : on explore d’abord les données pour avoir une idée qualitative de leurs propriétés ; puis on fait des hypothèses de comportement que l’on confirme ou infirme en recourant ? à d’autres techniques statistiques.
DOMAINE D’APPLICATION En 1982, le statisticien Pierre Dagnelie propose trois grandes tendances de la statistique6 : la statistique qualifiée d’« administrative » ou « gouvernementale » faite dans les instituts de statistique ? ropos de grands ensembles de données, la statistique dite « mathématique » ou « universitaire » faite avec peu de données et qui a pour but la novation, enfin la statistique « appliquée » ou « de terrain » faite dans les instituts de sondage d’opinion ou les facultés de médecine pour des problèmes concrets.
Dans la pratique, les méthodes et outils statistiques sont utilisés dans des domaines tels que géophysique, pour les prévisions météorologiques, la climatologie, la pollution, les études des rivières et des océans ; démographie : le recensement permet de faire une photographie ? un instant donné d’une population et permettra par la suite des sondages dans des échantillons représentatifs ; sciences économiques et sociales, et en économétrie : l’étude du comportement dun groupe de population ou d’un secteur économique s’appuie sur des statistiques. C’est dans cette direction que travaille l’Insee.
Les questions environnementales s’appuient également sur des données statistiques ; sociologie : les sources statistiques constituent des matériaux d’enquête, et les méthodes statistiques sont utilisées comme techniques de traitement des données ; arketing : le sondage d’opinion devient un outil pour la décision ou l’investissement ; dans les jeux de hasard et les paris tels que le loto ou les paris équestres, pour « prévoir » les résultats ; physique : I 2 et les paris tels que le loto ou les paris équestres, pour « prévoir » les résultats ; physique : l’étude de la mécanique statistique et de la thermodynamique statistique (cf Physique statistique) permet de déduire du comportement de particules individuelles un comportement global (passage du microscopique au macroscopique) ; métrologie, pour tout ce qui concerne les systèmes de mesure et es mesures elles-mêmes ; médecine et en psychologie, tant pour le comportement des maladies que leur fréquence ou la validité d’un traitement ou d’un dépistage ; archéologie, appliquée aux vestiges (céramologie, archéozoologie.. ) écologie, pour l’étude des communautés végétales et des écosystèmes. assurance et en finance (calcul des risques, actuariat, etc. INTERPRETATION ET ANALYSE DE DONNEES L’inférence statistique a pour but de faire émerger des propriétés d’un ensemble de variables connues uniquement à travers quelques-unes de ses réalisations (qui constituent un échantillon e données). Elle s’appuie sur les résultats de la statistique mathématique, qui applique des calculs mathématiques rigoureux concernant la théorie des probabilités et la théorie de l’information aux situations où on n’observe que quelques réalisations (expérimentations) du phénomène à étudier. Sans la statistique mathématique, un calcul sur des données (par exemple une moyenne), n’est qu’un indicateur.
Cest la statistique mathématique qui lui donne le statut d’estimateur dont on maîtrise le biais, l’incertitude et autres caractéristiques statistiques. On cherche en général à ce que l’estimateur soit sans biais, convergent (ou consistant) et efficac 3 On cherche en général à ce que l’estimateur soit sans biais, convergent (ou consistant) et efficace. On peut aussi émettre des hypothèses sur la loi générant le phénomène général, par exemple « la taille des enfants de IO ans en France suit-elle une loi gaussienne ? L’étude de l’échantillon va alors valider ou non cette hypothèse : c’est ce qu’on appelle les tests d’hypothèses.
Les tests d’hypothèses permettent de quantifier la probabilité avec laquelle des variables (connues eulement à partir d’un échantillon) vérifient une propriété donnee. Enfin, on peut chercher à modéliser un phénomène a posteriori. La modélisation statistique doit être différenciée de la modélisation physique. Dans le second cas, des physiciens (c’est aussi vrai pour des chimistes, biologistes, ou tout autre scientifique), cherchent à construire un modèle explicatif d’un phénomène, qui est soutenu par une théorie plus générale décrivant comment les phénomènes ont lieu en exploitant le principe de causalité. Dans le cas de la modélisation statistique, le odèle va être construit à partir des données disponibles, sans aucun a priori sur les mécanismes entrant en jeux.
Ce type de modélisation s’appelle aussi modélisation empirique. Compléter une modélisation statistique par des équations physiques (souvent intégrées dans les pré traitements des données) est toujours positif. Un modèle est avant tout un moyen de relier des variables à expliquer à des variables explicatives , par une relation fonctionnelle : Les modèles statistiques peuvent être regroupés en grandes familles (suivant la forme de la fonction es modèles linéaires , 4 être regroupés en grandes familles (suivant la forme de la fonction les modèles non linéaires , les modèles non paramétriques. Les modèles bayésiens (du nom de Bayes) peuvent être utilisés dans les trois catégories.
IMPORTANCE DE LA STATISTIQUE EN COTE D’IVOIRE Géopolitique de la Côte d’Ivoire. Après la période sombre qu’elle a connue fin 2010-début 2011, la Côte d’Ivoire est en train d’écrire lentement mais sûrement une nouvelle page de son histoire. Cela ne va pas sans passer par un certain nombre de défis à relever. Jean-Jacques Konadje en identifie trois : la sécurité et l’état de droit ; la mise en place d’une nouvelle armée ; la réconciliation nationale. LA CRISE post-électorale qu’a connue la Côte d’Ivoire apparaît comme « le point culminant » d’une décennie de conflit militaro- politique qui a rythmé la récente histoire du pays.
L’élection présidentielle que tous les ivoiriens appelaient de leur vœu et que bon nombre d’africanistes avertis considéraient comme la clé de voûte du processus de sortie de crise, voire la condition sine ua non pour l’instauration d’une paix durable dans le pays, s’est révélée être la source de graves tensions. En effet, c’est le refus de Laurent Gbagbo de céder le pouvoir à son challenger Alassane Ouattara, pourtant donné vainqueur par la commission électorale indépendante ivoirienne, à la suite du deuxième tour du scrutin présidentiel — le 29 novembre 2010 – qui est à l’origine de cette crise. Les différentes initiatives diplomatiques, les nombreuses médiations sous-régionales et les appels incessants de la communaute internationale pour une sor S
