Bonjour,
 
Je suis en stage en entreprise et j'ai besoin d'un peu d'aide, étant vraiment mauvais en statistiques ...
 
Je cherche à caractériser des distribution de tailles de facon statistiques pour pouvoir les comparer entre elles, de manière quantitative et pas uniquement en regardant l'aspect des distributions.  
 
Voila l'allure en générale des ces distributions :
 

 
Toute proposition est la bienvenue

A quoi correspond chaque point ?

 
a un point de mesure donné par l'appareil (150 points en tout)
 
(je peux pas trop dire ce que c'est )
 
c'est un peu comme de la granulométrie

Un test de Kolmogorov-smirnov peut-être ?
 
http://fr.wikipedia.org/wiki/Test_ [...] ov-Smirnov

J'ai lu hier un article qui qualifiait le Kolmogorov de "curiosité historique"
 
Si il dispose d'un soft d'analyse statistique, il a sans doute d'autres tests à dispo. Si il n'en a pas, excel a une fonction CHI² qui peut aider.
 
Mais déjà graphiquement, représenter correctement les données peut donner une première piste.

 
Mais les unités en abscisses et ordonnées, c'est quoi ?

Fait péter l'article.

Je sais plus dans quel article c'était mais c'est une citation de D'Agostino dans son bouquin sur les "goodness of fit".
 
http://books.google.fr/books?id=PM [...] 22&f=false
 
Il aime ni Kolmogorov ni le Chi², d'ailleurs; Ca doit être trop vulgaire

oui non j'ai pas tellement de soft de stats à disposition, enfin il diot y en avoir dans la boite mais je préfère largement rester sur du excel
 
je vais chercher sur google comment faire pour la CHI², mais ca donnera quoi comme genre de résultats ? variance , écart type etc ??
 
les distributions sont toujours avec une "trainée", pas une belle gaussiène
 

 
en ordonnée c'est un % et en abscisse une dimension (µm)
 
 
le graph représente le % (ordonnée) de particules faisant une certaine taille (abscisse)
 

Le CHI² dans excel te retournera une valeur P qui correspond plus ou moins au risque de se tromper. En général, il est convenu que si la valeur p est supérieur à 0.05, on peut conclure que les valeurs suivent la loi suivie par l'échantillon de référence.
 
Mais effectivement, si l'abscisse est une fréquence, ton graphe est bizarre. parceque ça veut dire que les quelques points tout à droite ont une plus grande fréquence et qu'il y a tout un tas informe de mesure dans les fréquences basses ? Ca tient pas debout, il faudrait que tu sois sûr de ce que veulent dire les coordonnées des points.
 
A priori il faudrait catégoriser tes données comme des intervalles de Dimension et compatibiliser le nombre d'observations tombant dans chaque catégorie; Tu auras sans doute des anomalies mais tu devrais pouvoir voir si, en négligeant ces anomalies, le gros de la population suis une loi qui ressemble à quelque chose ou pas.

En même temps, je crois que ce genre de mesure est connue et renvoie une loi stat. bien particulière. Essaye de chercher des articles là-dessus.

D'habitude, ce genre de truc est caractérisé par une loi normale, justement. Enfin en pratique, les belles courbes en cloche sont assez rares. Peut être qu'ne granulométrie, il aura de la chance ???
 
mais tout l'interêt de ces exercices est de s'assurer qu'on peut bien utiliser les caractéristiques d'une loi de distribution pour anticiper le futur.
 
Si par exemple dans le process on utilise un tamis et qu'il y a un trou dans le tamis, il va y avoir un pic anormal de grains plus gros, sans rapport avec le gros de la population.
 
Ces tests permet de voir si il y a une partie de la courbe qui ne colle pas avec la loi normale, puis d'investiguer sur les raisons qui font apparaitre ces anomalies qu'on isolera ensuite (on traite leur cas à part) ou dont on éliminera les causes (on rebouche le tamis).

Ca remonte à loin, mais j'ai pas souvenir que se soit une loi normale.
Par contre, en étant réveiller, ça me fait penser à une loi de Poisson (si tu inverses l'axe des abscisses).

ah oui ca ressemble pas mal à une loi de poisson
 
et c'est normal que ce ne soit pas une normale, c'est pas réellement de la granulométrie  
 
merci pour vos réponses, je regarderai en détail ce soir, overbooked

poisson est plus sensé décrire des évènement rares de type "combien de grêves de la poste chaque année".
 
Quand les évènements deviennent plus fréquents (des colis perdus, par exemple), ça tend vers une loi de type normale.

Tip: Pour commencer à quantifier simplement (de façon bête et méchante), on peut déjà fournir la moyenne, la médiane et le mode. Pour des distributions d'objets "naturels", ces trois valeurs toutes simples permettent déjà d'appréhender l'aspect 'grosso merdo' de la courbe...
 
Après faut taper dans les lois, 'fectivement

L'étendue peut être utile également pour se rendre compte si la moyenne, la médiane et le mode sont proches ou si on un truc vraiment assymétrique. Sans une idée de l'ordre de grandeur des variations, je vois pas quels enseignements tu peux tirer de ces 3 infos, en fait

J'ai bien précisé "pour des objets naturels", par exemple la taille des truites (l'étendue... on se doute qu'il n'y a pas de truites de -2.5cm de long, étendue bornée à 0...)
M'enfin même pour ça, dès qu'on se pose des problèmes complexes (p.ex. avec un facteur temps, générations etc.), ça ne suffit plus