Leçon 08 : Statistiques Terminale Altitude (xi) 0 100 500 1000 3000
Transcription
Leçon 08 : Statistiques Terminale Altitude (xi) 0 100 500 1000 3000
Leçon 08 : Statistiques Terminale En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d’un échantillon d’une population, mode, moyenne et médiane puis réaliser une classification, ensuite sur la série étudiée, calculer la variance et l’écart type pour savoir si la série est dispersée ou peu dispersée, enfin trouver les quartiles et faire un diagramme en boîte avec positionnement de la médiane dans la boîte etc…. En terminale, nous allons faire des statistiques sur deux variables en essayant de les relier entre elles par une relation simple. Soit donc deux séries statistiques (xi) et (yi) i variant de 1 à n (n entier quelconque, généralement, 5 ou 6 jusqu’à 10 quelquefois). Nous représenterons ces données dans un repère du plan (P) par des points Mi(xi ;yi) afin de constituer ce que nous appelons un nuage de points. Définition : On appelle point moyen d’un nuage, le point G( x ; y ) x et y moyennes calculées dans chaque série. Nous regardons ensuite si nous pouvons tracer une droite d’équation y = ax+b passant le plus prés possible des points. Si cela est possible, nous dirons que nous avons réalisé un ajustement affine du nuage de points et donc trouver une relation simple de la forme y = ax + b entre les deux variables. Montrons un exemple : Dans un avion, en pleine ascension nous notons la température extérieure en degrés avec l’altitude correspondante en mètres, nous avons le tableau suivant : Altitude (xi) 0 100 500 1000 3000 5000 Températures ( yi) 24° 22° 20° 13° – 6° – 25° Déterminons le point moyen G : x =1600 m ; y = 8°. G(1600 ;8). Pour réaliser un ajustement affine, nous avons une première méthode qui donne « la droite de Mayer ». Nous partageons le nuage de points en deux sous-nuages puis cherchons les points moyens de ces nuages G1 et G2, la droite de Mayer est la droite (G1G2). X y 0 100 500 X 1000 3000 5000 24° 22° 20° y 13° G1(200 ;22) -6° -25° G2(3000 ;-6°) (G1G2) a une équation de la forme y = ax + b. − 6 − 22 = – 0,01. Pour trouver b, nous utilisons un des points : 22 = –0,01(200)+b et a= 3000 − 200 donc 22 = – 2 + b c’est-à-dire b = 24. (G1G2) y = – 0,01x + 24. Au programme, il est demandé d’utiliser la méthode dite « des moindres carrés » qui s’est imposée à la place de la méthode de Mayer. Les coefficients sont donnés par la calculette après avoir rentré les données concernant les deux séries statistiques. Cela donne ici : a ≈ − 9,8 10-3 soit −0,0098 et b ≈ 23,65. Au programme, il y a les formules donnant a et b : Explications : y 6 B4 5 A3 4 B2 3 A1 2 B1 (D) A4 B3 A2 1 0 1 2 3 4 5 6 7 8 9 x Il existe une droite associée au nuage Ai i variant de 1 à n (Ici 4) telle que la somme n S = ∑ A i Bi soit minimale. Cette droite passe par le point moyen G( x ; y ) et elle a pour 2 1 équation y = ax + b a= C xy V( x ) et b = y − ax 1 n 1 n ( x − x ) ( y − y ) = ∑ i ∑ x i yi − x y la covariance de x et de y et V(x) variance de x. i n 1 n 1 Faisons les calculs : 1 n 1 1 194600 C xy = ∑ ( x i − x )( y i − y) = ∑ x i y i − x y = − n 1 n 1 6 C xy = V( x ) = 1 n 2 19900000 xi − x2 = ∑ n 1 6 Donc : 194600 194600 1946 6 = =− =− ≈ −9.8 10 − 3 a= 19900000 19900000 199000 V( x ) 6 1946 b = y − ax = 8 − − (1600) ≈ 23.65 199000 Nous retrouvons les résultats de la calculette. Cette droite s’appelle la droite d’ajustement linéaire ou droite de régression de y par rapport à x. Remarque ; la calculette parle d’un coefficient r, coefficient de corrélation qui indique si l’alignement est valable ou pas. Règle : si |r|≈1, alors l’alignement est de bonne qualité. Ici, r ≈ −0,999. Calcul de r : C xy r= ( σ l' écart type calculé sur x et y) σx σy C xy − La droite trouvée, tracée en rouge sur le graphique, a donc pour équation : (D) y≈ − 0,0098x + 23,65 . Les deux droites sont proches l’une de l’autre. Elles passent par le point moyen G(1600 ; 8°). Nous pouvons le vérifier facilement pour (G1G2) : 8 = 1600(−0,01)+24 Si la calculette donne un coefficient de corrélation r dont la valeur absolue est éloigné de 1, cela veut dire qu’un ajustement affine ne se justifie pas car soit, les points ne sont pas assez alignés soit, il y a une grande dispersion des données et un autre type d’ajustement s’impose. En résumé : Lorsque nous avons deux séries statistiques, nous pouvons représenter ces données dans un repère du plan (P), cela donne un nuage de points et souvent les points sont alignés dans une certaines direction. Il est possible alors à la machine de trouver les coefficients a et b (ou de les calculer) de la droite d’ajustement (« Méthode des moindres carrés ») . Cette droite (D) passe par le point moyen G(x ;y) du nuage. Utilité : Cette droite va permettre des prévisions à court terme par le calcul. Pour la température, nous pouvons la prédire pour 6000m par exemple : y ≈ (−0,01)6000 + 24 = −36° Remarque : le problème étudié ci-dessus a fait l’objet de recherche en physique et effectivement, une loi a été trouvée disant que la température baisse de 1° tous les 100m soit si on appelle t la température et ts la température au sol, x étant en mètre : t = −0,01x + ts (Exemple : ts = 10°, pour x = 500, t1 = 5° et pour x = 600, t2 = 4°) Voyons maintenant des nuages où l’ajustement linéaire ne se justifie pas. Cas n°1 : un ajustement parabolique Soit le nuage avec les points A1(1 ;1) ; A2(3 ;4) ; A3(4 ;2) ; A4(5 ;0). y A2 4 3 G 2 1 A3 (D) A1 A4 0 1 2 3 4 5 6 7 8 x La calculette donne G(3.25 ;1.75) et (D) y = − 0.2x+2.4 mais r ≈ − 0.2 très loin de 1 en valeur absolue. Nous voyons bien que la droite (D) des moindres carrés n’apporte rien dans ce cas. Les quatre points par leur situation font penser à une parabole d’équation y = ax2 + bx + c. Il faut déterminer a, b et c. Nous prenons A1(1 ; 1), A2(3 ; 4) et A4(5 ; 0). Ceci donne le système suivant : (bonne révision pour la résolution de systèmes) a + b + c = 1 (L1) a+b+c=1 (L’1) a+b+c=1 9a + 3b + c = 4 (L2) ⇔ 8a + 2b = 3 (L2 – L1)(L’2) ⇔ 8a + 2b = 3 25a + 5b + c = 0 (L3) 24a + 4b = − 1 (L3 – L1)(L’3) 2b = 10 (3L’2 – L’3) Nous obtenons : b=5 8a = 3 – 10 soit a = − 0.875 c = 1 – 5 + 0.875 = − 3.125 La parabole (P) a donc pour équation : y = − 0 .875x2 + 5x – 3.125 Reprenons le nuage : y 4 A2 (P) 3 G 2 1 A3 A1 A4 0 1 2 3 4 5 x Attention, la parabole ne passe pas par le point moyen du nuage. Cas n°2 : Ajustement logarithmique Il peut être valable lorsque nous avons une variable qui augmente peu alors que l’autre augmente beaucoup plus vite. Soit le nuage formé par les points suivants : A1(1 ;1) A2(3 ;2) A3(5 ;2.5) A4(10 ;3) y 3 A4 A3 G A2 2 1 A1 0 1 2 3 4 5 (D) 6 7 8 9 10 x La calculette donne (D) y ≈ 0.20x +1.16 avec r ≈ 0.92 donc un ajustement linéaire est possible car il faut |r| voisin de 1. Mais, un ajustement logarithmique est peut-être plus judicieux. Nous allons chercher une fonction de la forme y = a ln x + b en prenant le premier et le dernier point. Nous avons encore un petit système : a ln 1 + b = 1 a ln 10 + b = 3 2 a= et b = 1 ln 10 ⇔ b=1 a ln 10 = 2 La fonction cherchée est donc : 2 ln x y= ln x + 1 = 2 + 1 = 2 log x + 1 (Voir la leçon sur les logarithmes, nous utilisons ln 10 ln 10 le logarithme décimal) y A4 3 A3 G A2 2 1 A1 0 1 2 3 4 5 (Cf) 6 7 8 9 10 11 x -1 Ici aussi, la courbe ne passe pas par le point moyen G du nuage. Cas n°3 : Ajustement exponentiel Utilisable lorsqu’une des deux variables varie beaucoup plus vite que l’autre. Par exemple : Prenons les points suivants : A1(1 ;1) A2(3 ;7) A3(4 ;12) A4(5 ;20) et A5(6 ;42) y 44 A5 40 36 (D) 32 28 24 A4 20 G 16 A3 12 A2 8 4 A1 0 1 2 3 4 5 6 7 x La calculette (D) d’équation y ≈ 7.45x – 11.95 avec r ≈ 0.9. Essayons un ajustement exponentiel de la forme y = a ebx en prenant le premier et le dernier point : 1 = a eb 42 = a e6b 42 = e 6b =e eb a n’étant pas nul, nous pouvons diviser les deux lignes, cela donne 5b et donc 5b = ln 42 et b = ln 42 ≈ 0.75 5 Nous pouvons calculer a : 1= a e ln 42 5 = a (e ln 42 )5 = a ( 42) 5 et donc a = 1 1 1 ( 42) 1 5 ≈ 0.47 La fonction serait donc : y ≈ 0.47 e0.75x. Voyons le graphique : 44y A5 40 36 (Cf) 32 28 24 A4 20 G 16 A3 12 A2 8 4 A1 0 1 2 3 4 5 6 7 x Voilà, nous avons fait le tour des possibilités d’ajustement d’un nuage. Passons à la fiche d’exercices. TERMINALE ES Les statistiques Exercice 1 Un nuage de points associés à une série statistique contient 10 points. Nous connaissons le point moyen G1 ( x1 ; y1 ) des 5 premiers points et le point moyen G2 ( x 2 ; y 2 ) des 5 derniers points. Peut-on trouver les coordonnées du point moyen G du nuage complet ? Exercice 2 – Covariance Que se passe-t-il pour la covariance si on effectue un changement d'inconnue x'i = xi – 2000 ? Application – vérification Si on a une série chronologique, où les xi représentent par exemples des années : xi 2001 2002 yi 12 15 2003 2004 10 12 2005 2006 2007 12 16 21 (yi nombre d'avions vendus) Effectuer xi’ = xi – 2000 puis calculer Cxy et Cx'y, Conclusion ? Exercice 3 Nous voulons étudier l’évolution de la population d’une commune. Un relevé a été fait et donne le tableau suivant : Années x 1980 1990 2000 2002 2010 0 10 20 22 30 Population y 2030 2500 3000 3200 3400 Calculer les coordonnées du point moyen G. Représenter ce nuage de points. A la calculette, déterminer les coefficients a et b de la droite d’ajustement par la méthode des moindres carrés puis les retrouver par le calcul. Donner ensuite l’équation de la droite d’ajustement affine et tracer la sur le graphique. Vérifier que G appartient à cette droite. Quelle prévision pour 2020 cette droite permet-elle de faire ? Exercice 4 On veut étudier une population animale en voie de disparition : Année xi 1940 1950 1960 1970 1980 1990 Rang x’i 0 10 20 30 40 50 Population 100 30 en milliers yi 14000 4400 1200 200 1. Représenter graphiquement le nuage formé par les points A de coordonnées x'i et yi. Un ajustement affine est-il adapté ? Pourquoi ? 2. Nous prenons zi = ln yi ; représenter le nuage formé par les points B de coordonnées x'i et zi. Que constate-t-on ? Donner une équation de la droite d'ajustement avec la méthode des moindres carrés. 3. Montrer que l'on peut exprimer y en fonction de x’ par une fonction de la forme : y = a bx’ . Déterminer a et b. En quelle année peut-on prévoir qu'il restera 1 seul animal de cette population ? Exercice 5 (Type BAC) Nous voulons étudier l’évolution de la population mondiale entre 1950 et 1990. Nous avons les données suivantes : Années 1950 Rangs 0 Populations 2.5 1960 10 3 1970 20 3.6 1980 30 4.3 1990 40 5.2 Faire un graphique. L’allure de ce graphique suggère un modèle d’ajustement sous la forme f(t) = AeBt où t désigne le rang de l’année avec comme origine 1950 et f(t) la population en milliard d’habitants. 1) Déterminer A et B en utilisant le premier et le dernier point du nuage (Donner A et B à 10−4 prés). Dans la suite du problème, nous prendrons f(t) = 2.5 e0.018t. 2) Représenter graphiquement cette fonction. 3) A l’aide du modèle proposé, donner une estimation de l’année au cours de laquelle la population dépassera 10 milliards d’habitants. f ( t + 1) − f ( t ) 4) Calculer f (t) Donner une valeur exacte puis une valeur approchée. Interpréter ce résultat. (Faire une représentation graphique dans un repère semi logarithmique) Exercice 6 Nous avons le tableau suivant : 1 2 3 4 5 6 7 8 A xi 20 30 50 70 80 100 120 B yi 50 68 108 150 175 220 250 C axi+b ? ? ? ? ? ? ? Entrer ces données dans une feuille de calcul Excel. En utilisant les commandes : =droitereg(B2 :B11 ;A2 :A11) et =ordonnee.origine(B2 :B11 ;A2 :A11) déterminer a te b les coefficients de la droite (D) d’ajustement par la méthode des moindres carrés. Calculer alors axi + b Faire un graphique dans la feuille pour illustrer ceci. (En sélectionnant la colonne xi et axi + b, nous pouvons tracer (D)) Correction Exercice 1 La définition du point moyen d’un nuage formé par dix points est : G( x ; y) Ici nous connaissons G1 point moyen des 5 premiers points avec : 5 ∑xi x1 = 1 5 et y1 = ∑y i 5 5 nous en déduisons : 5x1 = ∑ x i et 5y1 = ∑ y i 1 5 5 1 Nous avons de même pour G2 point moyen des 5 derniers points : 10 1 10 ∑xi ∑y i 10 10 et y 2 = nous en déduisons : 5x 2 = ∑ x i et 5y 2 = ∑ y i 5 5 6 6 Nous pouvons donc trouver les coordonnées de G le point moyen de tout le nuage, en effet : x2 = 6 6 10 x= ∑x 5 10 ∑x + ∑x i i 10 5 ∑y ∑y + ∑y i i i = et y = = 10 10 10 5x + 5x 2 5y + 5y 2 x= 1 et y = 1 10 10 1 1 10 6 1 1 i 6 10 Exercice 2 Nous effectuons un changement d'inconnue x'i = xi – 2000. Calculons la nouvelle covariance 1 n 1 n Cx’y : C x ' y = ∑ ( x ' i − x )( y i − y) = ∑ x 'i y i − x ' y n 1 n 1 n x' = n ∑ x' ∑ x i 1 n = i n − 2000 = 1 n n ∑ x ∑ 2000 i 1 n − 1 n n =x− 2000∑1 1 n =x− 2000n = x − 2000 n Donc si on enlève 2000 à chaque valeur, il est normal que la moyenne soit diminuée de 2000. 1 n 1 n C x ' y = ∑ x ' i y i − x ' y = ∑ ( x i − 2000) y i − ( x − 2000)y n 1 n 1 = 1 n 1 n x i y i − ∑ 2000 y i − xy + 2000 y ∑ n 1 n 1 = 1 n 1 n x y − x y − 2000 ∑ y i + 2000 y ∑ i i n 1 n 1 = 1 n ∑ x i y i − xy − 2000y + 2000y n 1 = 1 n ∑ x i y i − xy n 1 Conclusion : La covariance ne change pas si on effectue un changement de variable de la forme x’i = xi + b b étant un réel quelconque. Remarque : Nous avons vu aussi en 1°ES, que la variance ne change pas si on effectue un changement de variable de la forme x’i = xi + b b étant un réel quelconque. Il est donc bon de remarque que le coefficient a de la droite d’ajustement est inchangé mais b change si on effectue un tel changement de variable (Même chose pour les yi si cela facilite les calculs). Conclusion : si les xi et/ou les yi sont des nombres trop grands alors on peut effectuer des changements de variable pour rendre les calculs plus simples. La droite d’ajustement par la méthode des moindres carrés garde le même coefficient directeur et seul b l’ordonnée à l’origine change. Application vérification : xi 2001 2002 2003 2004 2005 2006 2007 yi 12 15 10 12 Calculons xi’ (xi’ = xi – 2000) 12 x i’ 5 1 2 3 4 16 6 21 7 1 n 1 98 31 x i y i − x y = (196423) − ( 2004) = ∑ n 1 7 7 7 C xy = (yi nombre d'avions vendus) 1 n 1 x = ∑ x i = (14028) = 2004 n 1 7 1 n 1 98 y = ∑ y i = (98) = n 1 7 7 Cx'y = 1 n 1 98 31 x ' i y i − x ' y = ( 423) − (4) = ∑ n 1 7 7 7 1 n 1 x ' = ∑ x i ' = (28) = 4 n 1 7 Remarque : si nous poursuivons le calcul pour avoir la droite d’ajustement dans les deux cas, nous trouvons : V(x)=4 31 C xy 31 a= = 7 = ; V( X ) 4 28 b = y − ax = 98 31 98 15531 15433 − (2004) = − =− 7 28 7 7 7 Donc (D) y ≈ 1.1x − 2204.7 Avec le changement de variable, V(x’) = 4 , inchangé. Nous aurons : 31 31 a= = 7 = V( X) 4 28 C xy ; b = y − ax = 98 31 98 31 67 − ( 4 ) = − = 7 28 7 7 7 et donc (D’) y ≈ 1.1x + 9.6 Exercice 3 xi représente le nombre d’années à partir de 1980 et yi donne le nombre d’habitants de la commune. x = 16,4 et y = 2826. Le point moyen G aura pour coordonnées (16,4 ; 2826). Représentons le nuage de points : y M 4000 3500 (D) 3000 G 2500 2000 1500 1000 500 -5 0 5 10 15 20 25 30 35 40 45 50 55 60 x Le point G est bien au centre du nuage. Les points sont relativement alignés et la calculette donne : a ≈ 47,6 soit a ≈ 48 et b ≈ 2045,3 soit b ≈ 2045. Le coefficient de corrélation r entre x et y est de 0,992 donc l’ajustement affine est valable. Retrouvons tout ceci par le calcul : 1 n 2 1 V( x ) = ∑ x i − x 2 = (1884) − (16.4) 2 = 107.84 n 1 5 1 n 1 C xy = ∑ x i y i − x y = (257400) − (16.4)(2826) = 5133.6 n 1 5 C xy 5133.6 5133.6 220564.8 ≈ 47.6 ; b = y − ax = 2826 − (16.4) = ≈ 2045.3 V( X ) 107.84 107.84 107.84 La droite d’ajustement (D) aura pour équation : a= = (D) y ≈ 48x + 2045 (Pour la calculette CASIO, nous entrons les données dans le module STAT puis on choisit REG et enfin F1). Vérifions que G appartient à la droite (D) : 48(16,4) + 2045 = 2832, il y a une différence de 6 habitants car nous avons pris une valeur approchée pour a et b. en fait, si nous prenons 47,603 pour a et 2045,296 pour b alors 47,603(16,4) + 2045,296 = 2825,985 donc en fait 2826. Nous pouvons alors effectuer une prévision pour 2020 c’est-à-dire x = 40 (2020 – 1980), cela donne une idée du nombre d’habitants pour l’avenir. y ≈ 48(40) + 2045 ≈ 3965 personnes. Exercice 4 Années xi 1940 1950 1960 1970 1980 Rangs x i’ 0 10 20 30 40 Population yi 14000 4400 1200 200 100 1) Représentons le nuage formé par les Ai de coordonnées xi’ et yi : 1990 50 30 y 14000 12000 10000 8000 6000 4000 2000 -10 0 10 20 30 40 50 60 70 80 x Nous sommes en présence d’une décroissance exponentielle et nous voyons que les points ne sont pas assez alignés pour permettre un ajustement affine. Si nous entrons les données dans la calculette, nous voyons que r ≈ − 0.82 donc l’ajustement affine n’est pas adapté à ce nuage. 2) Rangs xi’ 0 10 20 30 40 50 zi = ln yi ln14000 ≈9.55 ln4400≈8.39 ln1200≈7.09 ln200≈5.30 ln100≈4.61 ln303.40 Représentons à nouveau le nuage formé par les points B de coordonnées xi’ et zi = ln yi : y 9 8 7 6 5 4 3 2 1 0 10 20 30 40 50 60 70 80 x Nous constatons que les points sont relativement bien alignés. Déterminons une équation de la droite d’ajustement affine par la méthode des moindres carrés : 1 n 150 x' = ∑ x i = = 25 ; n 1 6 1 n 1 z = ∑ z i = (ln(14000) + ln(4400) + ln(1200) + ln(200) + ln(100) + ln(30)) ≈ 6.3885 n 1 6 V( x ' ) = C x 'z 1 n 1 1750 875 x i ' 2 − x ' 2 = (5500) − ( 25) 2 = = ∑ n 1 6 6 3 1 n 1 = ∑ x i ' z i − x ' z ≈ (738.9113) − ( 25)(6.3885) ≈ −36.5606 n 1 6 Calculons les coefficients a et b de la droite d’ajustement : C − 36.5606 a = x 'z ≈ ≈ −0.1254 donc environ − 0.13 V( x ) 291.6667 b = z − ax ' ≈ 6.3885 − ( −0.1254)( 25) ≈ 9.5235 soit environ 9.52 La droite aura pour équation : z ≈ −0.13x’+9.52 3) Nous avons z = ln y ≈ −0.13x’+9.52 Donc y ≈ e−0.13x’+9.52 soit y ≈ e−0.13x’e9.52 et donc y ≈ 13630 e−0.13x’. y peut s’écrire : y ≈ 13630 (e−0.13)x’= 13630 (0.88)x’. Nous pouvons alors chercher x’ tel que y ≈ 1 : 13630(0.88)x’≈1 . Nous pouvons utiliser ln pour déterminer x’: ln(13630(0.88)x’) ≈ ln 1 soit ln(13630)+ln((0.88)x’) ≈ 0 9.52+x’ln(0.88) ≈ 0 et donc − 9.52 x' ≈ ≈ 74.5 ln 0.88 En conclusion, la population animale sera éteinte environ en 1940+75 soit 2015. Exercice 5 Années 1950 Rangs 0 Populations 2.5 1960 10 3 1970 20 3.6 1980 30 4.3 1990 40 5.2 (en milliards d’habitants) Nous posons t le rang de l’année et f(t) la population correspondante. Nous utilisons un modèle exponentiel car le développement de la population correspond à une croissance exponentielle, ce qui inquiète les scientifiques pour la question de la nourriture et de l’eau sur terre. 1) f(t) =AeBt A et B réels vont être déterminés grâce au premier et au dernier point : Ceci donne un système : 2.5 = Ae0 A = 2.5 ln 2.08 ≈ 0.0183 e40B = 2.08 ce qui donne 40B = ln 2.08 soit B = 5.2 = Ae40B ⇔ 40 Nous avons donc à 10−4 prés A = 2.5000 et B = 0.0183. La fonction réalisant le modèle sera donc f(t) = 2.5 e 0.0183t. Pour la suite du problème, nous prendrons f(t) = 2.5 e 0.018t. 2) représentation graphique : Pour déterminer graphiquement en quelle année, nous aurons 10 milliard d’habitants sur la terre, il suffit de tracer y = 10 et de voir le t correspondant. Cherchons par le calcul : 2.5 e 0.018t > 10 (nous utilisons ln car si a > b > 0 alors ln a > ln b) ln 2.5 e 0.018t > ln 10 ⇔ ln 2.5 + ln e 0.018t > ln 10 (ln e a = a) 10 ln ln 4 et si on prend t entier t > 78. Soit : 0.018t > ln 10 – ln 2.5 ou t > 2.5 donc t > 0.018 0.018 La population mondiale d’après le modèle utilisé dépassera 10 milliards d’habitants en : 1950 + 78 soit environ en 2028. (Nous sommes environ 7 milliards en 2011) 4) f ( t + 1) − f ( t ) 2.5e 0.018( t +1) − 2.5e 0.018t e 0.018( t +1) − e 0.018t e 0.018t e 0.018 − e 0.018t = = = f (t) 2.5e 0.018t e 0.018t e 0.018t f ( t + 1) − f ( t ) e 0.018t (e 0.018 − 1) = = e 0.018 − 1 0.018 t f (t) e Ce rapport a donc pour valeur exacte e0.018 – 1 et comme valeur approchée 0.018. Il ne dépend pas de t et donne le taux d’évolution en % soit environ 1.8% par an. Représentation en semi logarithmique : y 10 7 6 5 4 3 2 1 0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 x En fait, sur l’axe des ordonnées, nous avons ln 1, ln 2, ln 3 etc et nous écrivons 1,2 ou 3 etc.. Les points apparaissent alors bien alignés et si nous tapons la fonction f, elle apparaît comme une droite. Exercice 6 A B C x 20 30 50 70 80 100 y 50 68 108 150 175 220 axi + b 48,6 69,2 110,5 151,8 172,4 213,6 120 250 254,9 (série 1) (série 2) a = 2,0631295 b = 7,33273381 (Calculs par Excel des coefficients a et b de (D)) a est calculé avec :" =droitereg (B2:B8;A2:A8)" entré dans la cellule suivant a= b est calculé avec : "=ordonnee.origine (B2:B8;A2:A8)" entré dans la cellule suivant b= Dans la dernière colonne, nous avons calculé avec x, a et b, La droite d'ajustement a donc pour équation ; y ≈ 2,1 x + 7,3 (approximation au dixième) dixi (tracé rouge sur le graphique) 300 250 200 150 100 50 0 0 50 Série1 100 150 Série2 Nous avons ici un nuage ascendant et l’ajustement par une droite est valable. valable