1. Introduction

Dans l'étude des données, il est important de mesurer comment ces dernières sont dispersées autour d'une valeur centrale. L'écart-type est une mesure couramment utilisée pour cela, notamment en lien avec la loi des grands nombres qui indique que, avec un grand nombre d'observations, la moyenne de ces observations se rapproche de la vrai moyenne de la population.

2. La notion de dispersion

La dispersion indique à quel point les valeurs d'une série sont éloignées de la moyenne. Plus la dispersion est grande, plus les données sont dispersées. Pour la quantifier, on utilise notamment l'écart-type.

3. Définition de l'écart-type

L'écart-type d'une série de valeurs \(X_1, X_2, ..., X_n\) est défini comme la racine carrée de la variance :

Conceptuellement,
\[ \sigma = \sqrt{\operatorname{Var}(X)} \]

Pour un échantillon de valeurs, on note l'écart-type par \(s\) et il est calculé par :

\[ s = \sqrt{rac{1}{n-1} \sum_{i=1}^{n} (X_i - ar{X})^2} \]

où \(ar{X}\) est la moyenne de l’échantillon :

\[ ar{X} = rac{1}{n} \sum_{i=1}^{n} X_i \]

4. Interprétation de l'écart-type

Un écart-type faible indique que les valeurs sont regroupées autour de la moyenne, tandis qu'un écart-type élevé indique une grande dispersion des données.

5. Application à la loi des grands nombres

Selon la loi des grands nombres, en augmentant le nombre d'observations, la moyenne empirique tend à se rapprocher de la moyenne théorique. L'écart-type diminue généralement avec la taille de l'échantillon, renforçant cette convergence.

6. Conclusion

L'écart-type est une mesure cruciale pour comprendre la dispersion des données. Il permet d'évaluer la stabilité de la moyenne et le degré de variabilité d'une série statistique.