Moyenne géométrique sur l'encyclopédie Recherche.fr

La moyenne géométrique de deux nombres $a$ et $b$ est un nombre $c$ tel que :

$\frac ac=\frac cb$

Géométriquement, ce nombre $c$ est l'arête d'un carré dont la surface est la même que celle du rectangle de côtés a et b, puisque dans ce cas :

$c^2=ab~$ .

On peut calculer directement la moyenne géométrique de deux nombres en prenant la racine carrée de l'expression précédente :

$c = \sqrt{ab} = (ab)^{1/2}$

Sous cette dernière forme, on voit que le logarithme transforme l'expression en une moyenne arithmétique. D'où la généralisation : la moyenne géométrique d'une série statistique quantitative discrète positive non nulle est définie telle que son logarithme est la moyenne arithmétique des logarithmes des valeurs discrètes positives non nulles de la distribution.

Sa formulation mathématique peut se faire comme suit :

$\log\bar x=\frac{\log x_1+\log x_2+\ldots+\log x_n}n={1\over n}\sum_{i=1}^n\log x_i$ .

On en déduit :

$\bar x= \sqrt[n]{x_1 \times x_2 \times\ldots\times x_n} = \sqrt[n]{\prod_{i = 1}^n{x_i}}$ .

Pour une série statistique dont le nombre total d’occurrences est infini ou inconnu, mais dont le nombre de valeurs positives non nulles possibles est fini et leurs fréquences respectives dans la série sont connues, la formulation mathématique devient :

$\log\bar x=f_1\log x_1+f_2\log x_2+\ldots+f_n\log x_n=\sum_{i=1}^n{f_i\log x_i}$ , où $\sum_{i=1}^n{f_i}=1$ .

On en déduit :

$\bar x=\exp(f_1\log x_1+f_2\log x_2+\ldots+f_n\log x_n)=\exp\left(\sum_{i=1}^nf_i\log x_i\right)$ ,

d’où :

$\bar x={x_1}^{f_1} \times {x_2}^{f_2} \times\ldots\times {x_n}^{f_n} = \prod_{i = 1}^n{{x_i}^{f_i}}$ .

La moyenne géométrique d'une distribution f d'une variable continue à valeur dans un intervalle scalaire fini $[x 0, x 1]$ est la généralisation à la limite de la formule statistique discrète précédente :

$\log{\bar f_{x_0}^{x_1}} = \int_{x_0}^{x_1}{\log xf(x)~\mathrm dx}$ ,

d’où :

$\bar f_{x_0}^{x_1}=\exp\left(\int_{x_0}^{x_1}\log xf(x)~\mathrm dx\right)$ , où $\int_{x_0}^{x_1}f(x)~\mathrm dx=1$ .

Sa dimension n'est pas une fréquence, mais est celle de sa variable continue.

Si la distribution $f$ est définie sur toutes les valeurs réelles de sa variable continue, la moyenne géométrique de la distribution est :

$\bar f=exp\left(\int_{-\infin}^{+\infin}\log xf(x)~\mathrm dx\right)$ , où $\int_{-\infin}^{+\infin}f(x)~\mathrm dx=1$ .

[modifier] Intérêt

Pour les statisticiens, la moyenne géométrique (antilogarithme de la moyenne des logarithmes de chacune des observations) est moins sensible que la moyenne arithmétique aux valeurs les plus élevées d'une série de données. Elle donne, par conséquent, une autre et meilleure estimation de la tendance centrale des données dans le cas d’une distribution à longue queue à l’extrémité supérieure de la courbe (type de distribution fréquente dans les mesures sanitaires ou environnementales par exemple de toxiques dans l'organisme le sang ou l'environnement, où certains individus ou groupes vulnérables ou exposés à des cas particulier sont plus affectés).

[modifier] Voir aussi

Moyenne arithmétique
Moyenne quadratique : basée sur la moyenne arithmétique des carrés.
Moyenne : présentation des autres moyennes
Statistiques : la moyenne arithmétique est un estimateur sans biais de l'espérance.

Portail des mathématiques

Moyenne géométrique

[modifier] Intérêt

[modifier] Voir aussi

Articles à la une