inprogress

src/SUMMARY.md

@@ -60,4 +60,5 @@
 - [Graph. et Opti.]()
 
 - [Statistiques]()
-    - [Introduction](./bac2/Stats/Introduction.md)
+    - [Introduction](./bac3/Stats/Introduction.md)
+    - [Statistique déscriptive](./bac3/Stats/StatDesc.md)

src/bac2/Stats/Introduction.md

@@ -1,4 +0,0 @@
-# Introduction
-
-
-

src/bac3/Stats/Introduction.md

@@ -0,0 +1,37 @@
+# Introduction
+
+On parle de phénomènes aléatoires car nous ne contrôlons pas tout les paramètres de ces évènements.
+
+Nous appliquons alors différentes méthodes d'analyse statistiques.
+
+## Méthode
+
+- **Statistique descriptive**: Peu vu dans ce cours, Se concentre sur les données elle même pour en
+  tirer des conclusions.
+- **Inférence Statistiques:** Déduire d'un échantillon de données, des propriétés intrinsèque.
+
+## Méthode générale
+
+1) Construction d'un échantillon (Observation) -> non vu en cours.
+2) Exploration des données (Statistique descriptive) -> peu vu en cours.
+3) Modèle probabiliste.
+    - ex: Le nombre de voiture \\(\sim \mathbb{P}(\lambda) \\) (suit une loi de poisson)
+4) Estimation du/des paramètres inconnus (inférence)
+5) Prédiction
+
+Le cours porte principalement sur le point 3 et 4
+
+## Stats vs Proba
+
+- La **Probabilité**: Théorie abstraite, mathématique, qui donne un sens à la notion de hasard.
+Fournit des modèles théoriques pour l'analyse aléatoire.
+- Les **Statistiques**: Méthode pour determiner le meilleur modèle probabiliste pour représenter un
+  phénomène concret, basé sur des observations.
+
+Les statistiques utilisent régulièrement les probas.
+
+
+
+
+
+

src/bac3/Stats/StatDesc.md

@@ -0,0 +1,18 @@
+# Statistique descriptive
+
+## De dimensions 1
+
+\\( n \\) observations \\( \\{x_1, \dots, x_n\\} \\) sur un caractère fixé.
+
+Pour résumer l'information obtenue nous allons fournir.
+
+### Indicateur de position
+
+- <u>Moyenne empirique</u>: \\( \overline{x} = \frac{1}{n} \sum_i^n x_i \\) 
+- <u>Médiane</u>: \\( m = inf\\{x_i \vert \text{la moitié des observation sont } \leq x_i\\} \\) 
+- <u>Valeur extrèmes</u>: \\( x_{(1)} = min\\{x_i\\} , x_{(n)} = max\\{x_i\\}\\)
+
+### Indicateur de dispersion
+
+
+