Chapitre 2

Statistique Descriptive
Unidimensionnelle et
Bidimensionnelle

2.1 Introduction
La statistique descriptive, aussi appelée statistique exploratoire, constitue une étape
fondamentale dans toute étude de données. Elle a pour vocation de résumer et synthé-
tiser l’information contenue dans un ensemble de données, souvent issu d’un échantillon,
en vue d’en faire ressortir les principales caractéristiques. Elle permet également de for-
muler des hypothèses sur la population d’origine, ce qui prépare le terrain à l’inférence
statistique.
Dans ce cadre, on distingue classiquement deux niveaux d’analyse :
— La statistique univariée, qui s’intéresse à l’étude d’un seul caractère (quantitatif
ou qualitatif) à la fois. Elle vise à décrire la répartition d’un caractère au sein
d’une population à l’aide de tableaux de fréquences, de représentations graphiques
(histogrammes, diagrammes en bâtons, boxplots, etc.) et d’indicateurs numériques
(moyenne, médiane, variance, etc.).
— La statistique bivariée, qui s’attache à analyser la relation entre deux caractères
statistiques observés simultanément sur une même population. Selon le type des
variables (qualitatives ou quantitatives), on fera appel à des outils tels que les ta-
bleaux de contingence, les nuages de points, les coefficients de corrélation ou encore
les ajustements linéaires (régression linéaire simple).
L’ensemble de ces méthodes constitue le socle de la statistique descriptive classique.
À cela s’ajoutent des approches plus modernes, regroupées sous les termes d’analyse des
données ou de data mining, qui visent à explorer des jeux de données complexes et mul-
tidimensionnels. Ces techniques comprennent :
— Les méthodes de classification, comme le partitionnement et la classification as-
cendante hiérarchique (CAH), qui consistent à regrouper les individus en classes
homogènes selon leurs caractéristiques communes.
— Les méthodes d’analyse factorielle, telles que l’analyse en composantes princi-
pales (ACP) ou l’analyse factorielle des correspondances multiples (AFCM), qui
permettent de représenter les données dans des espaces de dimension réduite tout
en conservant l’essentiel de l’information.

13
14CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

Ce chapitre se focalisera dans un premier temps sur l’étude univariée, avant de déve-
lopper les outils essentiels de l’analyse bivariée, en insistant sur leur interprétation dans un
contexte expérimental ou applicatif, notamment en chimie et en sciences expérimentales.

2.2 Organisation des données d’une série statistique

Les outils utilisés pour organiser les données dépendent de la nature de la série statis-
tiques (notamment le nombre de caractères étudiés) et de la nature des caractères (quanti-
tatifs discrets, continues ou qualitatifs). On considère une variable statistique X, observée
sur k individus. On dispose alors d’une série statistique unidimensionnelle x = (x1 , ..., xk ).

2.2.1 Tableaux pour une série unidimensionnelle

Les tableaux constituent un outil fondamental de la statistique descriptive unidimen-
sionnelle. Ils permettent de présenter de manière ordonnée les données recueillies, facilitant
ainsi leur lecture, leur interprétation et la construction d’indicateurs statistiques. Selon
la nature du caractère étudié (qualitatif ou quantitatif, discret ou continu), différentes
formes de tableaux peuvent être utilisées.

[Link] Caractère qualitatif

Lorsque la variable statistique X est un caractère qualitatif, les données sont organisées
dans un tableau de fréquences de la forme :
Modalité du caractère x1 x2 ... xk Total
Effectif correspondant n1 n2 ... nk n
Ce type de tableau permet d’associer à chaque modalité (valeur possible du caractère)
l’effectif observé, facilitant ainsi une première synthèse des données.

[Link] Caractère quantitatif discret

Lorsque X est un caractère quantitatif discret, les tableaux utilisés conservent la même
structure générale, mais les modalités correspondent alors aux différentes valeurs numé-
riques que peut prendre la variable.

Tableau des fréquences

Valeur de la variable x1 x2 ... xk Total
Effectif n1 n2 ... nk n

Tableaux des fréquences cumulées Pour analyser la répartition des données selon
un ordre croissant ou décroissant, on utilise les tableaux de fréquences cumulées.

Cumul croissant (par valeurs inférieures)

Modalité x1 x2 ... xk
Fréquence cumulée croissante F1 F2 ... Fk 1
1 Pi−1
où Fi = nj est la fréquence cumulée des valeurs inférieures à xi .
n j=1
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 15

Cumul décroissant (par valeurs supérieures)

Modalité x1 x2 ... xk
Fréquence cumulée décroissante F1′ F2′ ... Fk′ 1
1 Pk
où Fi′ = nj est la fréquence cumulée des valeurs supérieures ou égales à xi .
n j=i
Remark 23 Voici quelques remarques importante sur les formes cumulées :
1. Les formes cumulées croissantes peuvent se calculer tant pour les effectifs, les fre-
quences relatives ou les pourcentages.
2. Les formes cumulées décroissante se déduisent des formes cumulées croissante de la
′ ′
manière suivante : Fi = N − Fi si on à faire à des effectifs, Fi = 1 − Fi si on à
′
faire à des fréquences, Fi = 100 − Fi si on à faire à des pourcentages.
3. Les fréquences cumulées dans le tableau sont placées sur les lignes et non à l’interieur
des cases corespondantes aux modalités.

[Link] Caractère quantitatifs continu

a) Tableau de fréquences Lorsque la variable statistique est continue, les modalités
du carctère sont les classes des valeurs possibles définies par les extremités des classes. Sa
représentation est la suivante :

X : Classes [e1 , e2 [ [e2 , e3 [ ... [ei , ei+1 [ ... [ek , ek+1 [ Total
Fréquence absolue : ni n1 n2 ... ni ... nk N
Remark 24 Lorsque le nombre d’individu de la série discrète est élevé comme dans
l’exemple des 79 étudiants, on peut que également regroupé les modalités en classes, ce
regroupement implique nécessairement une perte d’information et donc est délicat à opé-
rer afin de minimiser cette perte. Dans le cas oú l’ensemble des observations est assez
symétrique et pas trop dispersé, la formule de Spurge suite permet de déterminer le
nombre de classes k si le nombre d’observations N :
k = 1 + log2 (N )

b) Tableau de fréquences cumulées La fréquence cumulée croissante (resp décrois-

′
sante) correspondante à la classe [ei−1 , ei [ de la variable statistique X notée Fi (resp Fi )
i−1
P ′ k
P ′
se calcule de la manière suivante : Fi = nj (resp Fi = nj ). Fi (resp Fi ) représente
j=1 j=i
le nombre d’individus dont les modalités du caractère sont inférieures ou égales (resp.
supérieures) à ei−1 . On la représente dans un tableau qui à la forme suivante :

X : Classes [e1 , e2 [ [e2 , e3 [ ... [ei , ei+1 [ ... [ek , ek+1 [ Total
Effectifs : ni n1 n2 ... ni ... nk N
Eff. cum. crois. 0 = F1 F 2 = n1 ... Fi ... Fk = N − nk Fk+1 = N
′ ′ ′ ′ ′
Eff. cum. décrois. N = F1 F2 = N − n1 ... Fi ... F k = nk Fk+1 = 0

Ces tableaux permettent d’évaluer la concentration des données dans certaines zones
de l’échelle des valeurs et sont particulièrement utiles pour construire des courbes de
distribution et des graphiques de type polygone des fréquences ou ogives.
16CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

2.2.2 Tableaux pour une série bidimensionnelle

On s’interresse à présent à l’étude de deux variables X et Y étudiées sur la même
population. Lorsque l’on utilisera les données regroupées en classes, les modalités xi seront
remplacées par les centres de classes.

[Link] Données non groupées

Il s’agit de la donnée de la serie statistique brute sous la forme (xi , yi ) des modalités
des variables X et Y pour chaque individu. Ces données sont généralement representé
dans le tableau suivant :
i 1 2 ... i ... n
X x1 x2 ... xi ... xn
Y y1 y2 ... yi ... yn

[Link] Données groupées

C’est le cas le plus rencontrée en pratique. Considérons X1 , X2 , ..., XI et Y1 , Y2 , ..., YJ

les modalités des variables X et Y . Soit nij l’effectif de la population qui présente à la fois
la modalité Xi de X et Yj de Y . Ces données sont souvent representées dans un tableau à
double entrées appélé tableau croisé ou tableau de contingence. Ces tableaux ont la forme
suivantes :
Y1 Y2 ... Yj ... YJ Total
X1 n11 n12 ... n1j ... n1J n1·
X2 n21 n22 ... n2j ... n2J n2·
.. .. .. .. .. .. .. ..
. . . . . . . .
Xi ni1 ni2 ... nij ... niJ ni·
.. .. .. .. .. .. .. ..
. . . . . . . .
XI nI1 nI2 ... nIj ... nIJ nI·
Total n·1 n·2 ... n·j ... n·J n··
I
P J
P I P
P J I
P J
P
Où : n·j = nij ; ni· = nij ; n·· = nij = ni· = n·j
i=1 j=1 i=1 j=1 i=1 j=1

Remark 25 En divisant toute les valeurs du tableau par l’effectif total, on obtient le
tableau de frequences.

2.2.3 Représentations graphiques des séries unidimensionnelles

Bien qu’un tableau statistique renferme toute l’information qu’on a rassemblée, il est
très souvent utile de traduire par un graphique pour en réaliser une synthèse visuelle.

[Link] Caractères qualitatifs

On représente habituellement les distributions selon un caractère qualitatifs de quatre

façons différentes : Le diagramme en batons, la representation en tuyaux d’orgue, la
representation par secteur angulaire et la representation par secteur rectangulaire.
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 17

a) Diagramme en colonnes ou en bâtons On porte sur un axe d’abscisse les moda-

lités du caractères et on lève à partir de chaque modalité un segment qui est proportionnel
à la fréquence de la modalité. Lorsqu’on joint les sommets de ces batons, on obtient le
polygone des effectifs ou des frequences. lorsqu’on lisse ce polygone, on obtient la courbe
des effectifs ou des fréquences.
Exemple 26 Considérons une étude portant sur les religions pratiquées par une popula-
tion. Le diagramme en bâtons correspondant est donné par la figure 2.1 ci-dessous.

Figure 2.1 –

c) Diagrammes sectoriels ou camemberts. La representation en secteurs angulaires

consiste à partager le cercle en secteurs angulaires où ce dernier représente une modalité
et son angle ou la surface est propotionnelle à la fréquence de la modalité. La règle pour
déterminer l’angle est αi = 360×n
N
i
où ni est l’effectif de la modalité i. N la taille de la
population.
Exemple 27 Reprenons l’exemple portant sur les religions. Un exemple de diagramme
en secteurs circulaires correspondant est donné par la figure 2.2 ci-dessous.

[Link] Caractères quantitatifs discrets

a) Diagramme différentiel en bâtons Lorsque la variable statistique est quantitative,
on utilise des représentations graphiques similaires à celles employées pour les variables
qualitatives, en s’appuyant sur les fréquences absolues ou relatives. Toutefois, une distinc-
tion essentielle réside dans la nature des modalités : les variables quantitatives possèdent
un ordre naturel, puisqu’elles prennent des valeurs numériques réelles, contrairement aux
variables qualitatives pour lesquelles aucun ordre intrinsèque n’est défini. Cette différence
justifie l’usage privilégié des diagrammes en bâtons pour les variables quantitatives, tandis
que les diagrammes circulaires (ou sectoriels) sont rarement utilisés, car ils ne permettent
pas de restituer l’ordre des valeurs.
18CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

Figure 2.2 –

Exemple 28 Nous donnons les notes de 79 étudiants à un examen universitaire.

68 ;84 ;75 ;82 ;68 ;90 ;62 ;88 ;76 ;93 ;73 ;79 ;88 ;73 ;60 ;63 ;93 ;71 ;59 ;85 ;75 ;
61 ;65 ;75 ;87 ;74 ;62 ;95 ;78 ;63 ;72 ;76 ;66 ;78 ;82 ;75 ;94 ;77 ;69 ;74 ;68 ;60 ;96 ;
78 ;89 ;61 ;75 ;75 ;60 ;79 ;83 ;71 ;79 ;62 ;67 ;96 ;78 ;85 ;76 ;65 ;71 ;75 ;85 ;65 ;70 ;
73 ;57 ;88 ;78 ;62 ;76 ;53 ;74 ;86 ;67 ;73 ;81 ;72 ;77.
Un exemple de diagramme différentiel correspondant est donné par la figure 2.3 ci-
dessous.

Figure 2.3 –

b) Diagramme intégral
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 19

Definition 29 On appelle fonction cumulative ou fonction de répartition de la distribu-

tion X, la fonction F (x) qui représente la proportion des individus de la population dont
le caractère est inférieur à x. Le diagramme intégral d’une distribution statistique est la
représentation graphique de cette fonction définie pour toute valeur x réelle comme suit :
Pour x ≤ x1 , F (x) = F1 = 0, x1 est la première modalité de la distribution.
Pour xi−1 < x ≤ xi , F (x) = Fi , i = 2, 3, ..., k
Pour x > xk , F (x) = Fk+1 = N, où N est l’effectif total.
On voit bien que F est une fonction en escalier. Lorsqu’on joint les points de coordon-
nées (xi , Fi ), on obtient le polygone des effectifs ou des frequences cumulées croissants.
lorsqu’on lisse ce polygone, on obtient la courbe des effectifs ou des fréquences cumulées
croissants ou la courbe cumulative.

Exemple 30 Reprenons l’exemple introductif portant sur les notes de 79 étudiants. Un

exemple de diagramme différentiel correspondant est donné par la figure 2.4 ci-dessous.

Figure 2.4 –

[Link] Caractères quantitatifs continus

Une variable continue prend ses valeurs dans un ensemble non dénombrable, tel que R
ou un intervalle fermé [a, b]. Dans ce cas, les représentations graphiques de type diagramme
en bâtons perdent leur pertinence, car les observations sont généralement toutes distinctes,
ce qui implique que les fréquences absolues associées à chaque valeur sont souvent égales
à 1. Une telle représentation n’apporte donc aucune information synthétique utile sur la
distribution des données.
Dans le cas de variables continues, nous allons étudier les représentation à l’aide
d’histogramme et de diagramme intégral.
Avant de construire certaines représentations graphiques adaptées aux variables conti-
nues, il est nécessaire d’ordonner les données. En effet, la construction d’un histo-
gramme ou d’une fonction de répartition empirique repose sur cette étape préalable.
20CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

Soit un échantillon de n valeurs noté (x1 , x2 , . . . , xn ). On appelle échantillon ordonné

la suite (x∗1 , x∗2 , . . . , x∗n ) obtenue après classement croissant des observations :

x∗1 ≤ x∗2 ≤ . . . ≤ x∗n .

Exemple 31 durée de vie d’ampoules

Considérons un échantillon de 10 ampoules dont les durées de vie (en heures) ont été
mesurées comme suit :

91.6 35.7 251.3 24.3 5.4 67.3 170.9 9.5 118.4 57.1
L’échantillon ordonné correspondant est :

5.4 9.5 24.3 35.7 57.1 67.3 91.6 118.4 170.9 251.3

On peut ainsi illustrer quelques notations utiles :

— x1 = 91.6 correspond à la durée de vie de la première ampoule mesurée.
— x∗1 = min(x1 , . . . , x10 ) = 5.4 est la plus petite durée de vie observée dans l’échan-
tillon.
L’ordonnancement des données permet notamment de :
— construire des classes pour l’histogramme,
— calculer des fréquences cumulées,
— définir la fonction de répartition empirique.

[Link] Histogramme
L’histogramme est une représentation graphique utilisée pour regrouper les observa-
tions proches en classes. Pour cela, on choisit une borne inférieure a0 (souvent légèrement
inférieure à x∗1 ) et une borne supérieure ak (supérieure à x∗n ), puis on partitionne l’in-
tervalle ]a0 , ak ] en k sous-intervalles adjacents ]aj−1 , aj ] appelés classes. La largeur de la
classe j est notée hj = aj − aj−1 .
ak − a0
— Si toutes les classes sont de même largeur h = , on parle d’histogramme à
k
pas fixe.
— Si les classes ont des largeurs différentes, on parle d’histogramme à pas variable.
Le nombre d’observations dans la classe j est noté nj , c’est-à-dire :
n
X
nj = 1]aj−1 ,aj ] (xi ).
i=1

nj
La fréquence (ou fréquence relative) associée à cette classe est fj = .
n
Definition 32 L’histogramme est la figure formée par des rectangles dont les bases sont
les classes ]aj−1 , aj ], et dont les aires sont égales aux fréquences correspondantes. Autre-
ment dit, la hauteur du j e rectangle est :
nj
fˆj = .
nhj
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 21

On peut interpréter cette hauteur fˆj comme une approximation de la densité de

probabilité sur la classe ]aj−1 , aj ]. En effet, la fréquence associée à cette classe s’écrit
comme une aire :
nj Z aj ˆ
fj = = f (x) dx,
n aj−1

nj
où fˆ est une fonction en escalier, constante sur chaque classe, et valant fˆj = sur la
nhj
classe ]aj−1 , aj ].
Ainsi, l’histogramme fournit une estimation de la densité de la variable étudiée. Cette
estimation permet d’approcher graphiquement la fonction de densité f de la loi de la
variable X, et d’en analyser la forme. L’allure de l’histogramme peut être comparée à celle
de densités connues (loi normale, loi exponentielle, etc.), ce qui facilite la modélisation
probabiliste.

Remarque : La construction d’un histogramme dépend de plusieurs paramètres :

— les bornes a0 et ak choisies pour l’intervalle d’étude ;
— le nombre k de classes retenues ;
— la largeur des classes, qui peut être fixe ou variable.
Des choix différents peuvent conduire à des histogrammes très différents pour un même
ensemble de données, et donc à des interprétations potentiellement trompeuses.
Recommandation : Pour construire un histogramme pertinent, il est conseillé de
suivre certaines règles pratiques (ex. : règle de Sturges, règle de Scott ou règle de Freed-
man–Diaconis), qui permettent de déterminer un nombre de classes adapté à la taille de
l’échantillon.

Choix du nombre de classes et des bornes Il est recommandé de choisir un nombre

de classes k compris entre 5 et 20. La règle de Sturges propose une formule simple pour
estimer ce nombre :
k ≈ 1 + log2 n = 1 + ln n/ ln 2.
Par exemple : 
k = 5 si n ≤ 22,
k = 6 si 23 ≤ n ≤ 45, etc.

Le choix des bornes a0 et ak de l’intervalle d’étude doit garantir une certaine homo-
généité dans la largeur des classes. Une méthode fréquemment utilisée consiste à fixer :

a0 = x∗1 − 0,025(x∗n − x∗1 ) et ak = x∗n + 0,025(x∗n − x∗1 ).

Dans le cas d’un histogramme à pas fixe, les classes sont de même largeur h =
(ak − a0 )/k, et la hauteur de chaque rectangle est proportionnelle à l’effectif de la classe
concernée.

Exemple 33 Histogramme des durées de vie d’ampoules

Considérons un échantillon de n = 10 ampoules. En appliquant la règle de Sturges, on
choisit k = 5 classes. Les valeurs extrêmes de l’échantillon sont x∗1 = 5.4 et x∗n = 251.3.
22CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

En appliquant la méthode des bornes élargies :

a0 = 5.4 − 0,025(251.3 − 5.4) ≈ −0.747 et a5 = 251.3 + 0,025(251.3 − 5.4) ≈ 257.4.

Par commodité, on arrondit à a0 = 0 et a5 = 260, ce qui donne une largeur de classe :

260 − 0
h= = 52.
5
On obtient alors la répartition suivante :

Classes ]aj−1 , aj ] ]0, 52] ]52, 104] ]104, 156] ]156, 208] ]208, 260]
Effectifs nj 4 3 1 1 1
Fréquences nj /n 40% 30% 10% 10% 10%
Hauteurs nj /(nh) 0.0077 0.0058 0.0019 0.0019 0.0019
Tableau 2.4 — Répartition des durées de vie d’ampoules en classes de largeur égale.

Figure 2.5 –

Interprétation de l’histogramme Le mode de l’histogramme est estimé comme

le centre de la classe correspondant à la plus grande hauteur. Dans l’exemple précédent,
cette classe est ]0, 52], dont le milieu est 26. Cela donne une approximation du point où
la densité est maximale, que l’on appelle aussi mode de la densité.
L’histogramme fournit une bonne visualisation de la répartition des données. Dans le
cas des durées de vie des ampoules, on remarque une forte concentration d’observations
pour les petites valeurs, et une raréfaction des observations à mesure que la durée aug-
mente. Autrement dit, la densité de la variable aléatoire représentant la durée de vie est
ici décroissante.

Limites des histogrammes à pas fixe Un inconvénient majeur de l’histogramme à

pas fixe est qu’il ne garantit pas une répartition homogène des observations. Certaines
classes peuvent être très chargées tandis que d’autres sont quasi vides. Par exemple, dans
l’exemple des ampoules :
— la première classe (]0, 52]) contient 4 observations,
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 23

— alors que les trois dernières classes ne regroupent qu’une observation chacune.
Cela peut nuire à la lisibilité et à l’interprétation de l’histogramme. Pour pallier ce
problème, on peut :
— scinder les classes trop chargées en sous-classes plus fines,
— regrouper les classes peu remplies pour gagner en lisibilité.
Une solution consiste à adopter un histogramme à effectifs égaux, dans lequel chaque
classe contient approximativement le même nombre d’observations. Dans ce cas, les bornes
des classes ne sont plus également espacées, mais déterminées de façon à équilibrer les
effectifs. Elles deviennent donc dépendantes de la distribution des données observées, ce
qui rend l’analyse plus robuste dans certains cas.

Histogramme à effectifs égaux Une alternative à l’histogramme à pas fixe consiste à

constituer des classes contenant un nombre égal d’observations. Ce type de découpage
permet de mieux répartir les données sur l’axe horizontal, notamment lorsque la densité
varie fortement.
Dans l’exemple des ampoules, on choisit de répartir les 10 observations en 5 classes
contenant chacune 2 observations. On peut déterminer les bornes des classes en prenant
les milieux des valeurs de l’échantillon ordonné. Cela donne l’intervalle suivant :

Classes : ]0, 17] ]17, 46] ]46, 79] ]79, 145] ]145, 260]
On obtient alors le tableau suivant :
Classes ]aj−1 , aj ] ]0, 17] ]17, 46] ]46, 79] ]79, 145] ]145, 260]
Largeurs hj 17 29 33 66 115
Effectifs nj 2 2 2 2 2
Fréquences nj /n 20% 20% 20% 20% 20%
Hauteurs nj /(nhj ) 0.0118 0.0069 0.0061 0.0030 0.0017
Tableau 2.5 — Répartition des durées de vie d’ampoules en classes de même effectif.

Ce type de représentation, bien que les classes ne soient plus de même largeur, permet de
visualiser la densité relative des observations sur différents intervalles. Plus la classe est
étroite, plus la concentration locale d’observations est forte.
Remarque : dans l’histogramme à effectifs égaux, les bornes sont ajustées en fonction
des données. L’uniformité des effectifs rend la comparaison des hauteurs de rectangles
directement liée à la concentration locale d’observations.

Bilan sur les types d’histogrammes On observe que l’histogramme à classes de

même effectif permet une description plus fine de la distribution des données, notamment
lorsque la densité n’est pas uniforme. Toutefois, ce type d’histogramme est moins fré-
quemment utilisé que celui à classes de même largeur, car il est généralement plus difficile
à tracer manuellement.
Il est important de noter que deux histogrammes construits à partir des mêmes don-
nées, mais avec des choix de classes différents, peuvent donner des représentations visuelles
sensiblement différentes. Cela implique qu’il faut rester prudent lorsqu’on souhaite utiliser
un histogramme pour estimer la densité d’une variable : l’histogramme fournit avant tout
une allure générale de la distribution, et non une estimation rigoureuse.
24CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

Figure 2.6 –

Dans notre exemple, la forme des deux histogrammes obtenus évoque une densité
décroissante, similaire à celle d’une loi exponentielle de densité f (x) = λe−λx . En revanche,
ces histogrammes sont très éloignés de l’allure d’une densité normale (en forme de cloche).
Cela suggère que la durée de vie des ampoules ne suit probablement pas une loi normale,
mais pourrait raisonnablement être modélisée par une loi exponentielle. Ce constat reste
toutefois qualitatif, et nécessitera d’être confirmé par des outils statistiques plus rigoureux.

Remark 34 Si, au lieu des effectifs nj , on considère les effectifs cumulés

j
X
mj = ni ,
i=1

on construit un histogramme cumulé, qui permet d’obtenir une estimation graphique

de la fonction de répartition de la variable étudiée.

[Link] Fonction de répartition empirique

Definition 35 La fonction de répartition empirique (FdRE), notée Fn , est associée
à un échantillon x1 , x2 , . . . , xn de valeurs réelles. Elle est définie pour tout x ∈ R comme
le pourcentage d’observations inférieures ou égales à x :
n
1X
Fn (x) = 1{xi ≤x} .
n i=1
Si l’on considère les données classées par ordre croissant x∗1 ≤ x∗2 ≤ . . . ≤ x∗n , la fonction
Fn s’écrit également :

0

 si x < x∗1
Fn (x) =

i
n
si x∗i ≤ x < x∗i+1 , 1≤i≤n−1
si x ≥ x∗n


1
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 25

La fonction de répartition empirique Fn (x) est donc une fonction en escalier crois-
sante, qui effectue des sauts de hauteur 1/n à chaque donnée de l’échantillon. Elle consti-
tue une estimation naturelle de la fonction de répartition théorique F (x) = P (X ≤ x)
de la variable aléatoire X.
Cette estimation est particulièrement robuste et converge rapidement vers F (x) lorsque
la taille de l’échantillon augmente. Elle est largement utilisée pour :
— visualiser la distribution d’un échantillon,
— comparer empiriquement deux échantillons,
— effectuer des tests d’ajustement (comme le test de Kolmogorov-Smirnov).

Exemple : Dans l’exemple des durées de vie d’ampoules, la figure 2.7 représente graphi-
quement la fonction Fn associée à l’échantillon. Cette fonction présente 10 sauts successifs
de hauteur 1/10, chacun correspondant à une des valeurs ordonnées.

Figure 2.7 –

[Link] Les graphes de probabilités

La fonction de répartition empirique est un outil très utile en statistique. Dans cette
section, nous nous intéressons à son application dans le but de déterminer si un modèle
probabiliste donné est compatible avec les observations issues d’un échantillon.
Une première idée consiste à tracer le graphe de la fonction de répartition empirique
Fn et à le comparer visuellement à celui de la fonction de répartition théorique F d’une loi
connue (par exemple la loi normale, exponentielle, etc.). Toutefois, cette méthode est peu
26CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

efficace, car les fonctions de répartition de nombreuses lois probabilistes sont visuellement
très proches. À l’œil nu, il est souvent difficile de distinguer la fonction de répartition
d’une loi normale de celle d’une loi exponentielle, alors même que leurs densités sont très
différentes.
Une alternative plus robuste consiste à transformer la fonction de répartition empirique
de façon à faire apparaître les caractéristiques spécifiques d’une loi. C’est le principe du
graphe de probabilités (ou probability plot, aussi appelé Q-Q plot). Ce graphe consiste
en un nuage de points construit à partir de la fonction Fn de manière que :
si les données suivent bien une certaine loi de probabilité, alors les points du
nuage devraient s’aligner approximativement sur une droite.
Soit F la fonction de répartition théorique d’une loi dépendant d’un paramètre θ,
et Fn la fonction empirique obtenue à partir des données. L’idée est de chercher une
transformation affine de la forme :
h[F (x)] = α(θ)g(x) + β(θ),
où h et g sont des fonctions connues et α(θ), β(θ) des paramètres dépendant de θ.
Ainsi, si la véritable fonction de répartition des données est F , alors pour tout x, on
devrait avoir :
h[Fn (x)] ≈ α(θ)g(x) + β(θ).
Pour les données ordonnées x∗1 , . . . , x∗n , la fonction de répartition empirique prend les
i
valeurs Fn (x∗i ) = . En appliquant la fonction h à ces valeurs, on obtient :
n
i
 
∗
h (Fn (xi )) = h .
n
  
En reportant les couples de points g(x∗i ), h ni sur un graphique, on obtient le
graphe de probabilité. Si les données suivent bien la loi associée à F , alors ces points
s’alignent approximativement sur une droite. La pente et l’ordonnée à l’origine de cette
droite permettent d’estimer les paramètres α(θ) et β(θ), et donc indirectement le para-
mètre θ de la loi supposée.
Conclusion : le graphe de probabilités est une méthode puissante pour tester l’adé-
quation d’un modèle probabiliste à un échantillon, notamment en amont de tests statis-
tiques formels.
Definition 36 Soit F la fonction de répartition d’une loi de probabilité, dépendant d’un
paramètre inconnu θ. S’il existe des fonctions h, g, ainsi que des fonctions α et β dépen-
dant de θ, telles que :
∀x ∈ R, h[F (x)] = α(θ)g(x) + β(θ),
alors le nuage de points
i
  
g(x∗i ),
, i ∈ {1, . . . , n}
h
n
est appelé graphe de probabilités (ou Q-Q plot) pour la loi de fonction de répartition
F.
Si les points de ce nuage sont approximativement alignés, on considérera que la fonc-
tion F constitue un modèle de répartition plausible pour les observations.
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 27

Exercice : Tracer le graphe de probabilités pour la loi exponentielle pour l’exemple

des ampoules.

2.2.4 Représentations graphiques des séries bidimensionnelles

Dans cette partie, on s’interressera aux données quantitatives.

[Link] Données non groupées

On représente dans un répère orthonormé les points de coordonnées (xi , yi ). L’ensemble
de ces points forme le nuage de points. Le nombre de ces points est égale au nombre
d’individus s’il n’y a pas superposition. Pour l’exemple 139 a) ci-dessus, nous obtenons le
nuage de points de la figure 5.1.

Figure 2.8 –

[Link] Données groupées

On considère ici le tableau de contingence. On représente dans un répère orthonormé
les disques aux points de coordonnées (Xi , Yj ) dont la surface ou le rayon est proportion-
nelle aux effectifs. Le nombre de disque est égale à I × J. La représentation graphique
correspondant à l’exemple 140 a) ci-dessus est donnée par la figure 5.2.

2.2.5 Mesures de tendance centrale

[Link] Le mode ou la dominante
Definition 37 Le mode est la valeur ou la modalité qui présente la plus grande fréquence
dans une distribution. Il est généralement noté M0 . Lorsqu’une distribution présente un
seul mode (resp. deux, trois ou plusieurs), on parle de distribution unimodale (resp. bi-
modale, trimodale ou multimodale).
Dans le cas d’un caractère quantitatif continu avec regroupement en classes, on parle
plutôt de classe modale : celle qui présente la plus grande densité (ou hauteur). Le mode
est alors estimé par le centre de cette classe.
28CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

Figure 2.9 –

[Link] La médiane
Definition 38 La médiane d’une variable statistique est la valeur qui partage une popu-
lation, classée par ordre croissant, en deux groupes d’effectifs égaux. Elle est notée Me et
correspond à la valeur pour laquelle la fréquence cumulée atteint 0,5 : F (Me ) = 0,5.

Détermination pour des données non groupées :

— Si n est impair : Me = x n+1 .
2

x n + x n2 +1
— Si n est pair : Me = 2 .
2

Détermination pour des données groupées :

(a) Caractère discret

N
— Si correspond exactement à une valeur dans les effectifs cumulés, alors l’intervalle
2
xG + xD
médian est [xG , xD ] et Me = .
2
N
— Sinon, la médiane est la modalité dont l’effectif cumulé encadre .
2

(b) Caractère continu

N
— Si tombe exactement sur un total cumulé entre deux classes [a, b] et [c, d], alors
2
b+c
Me = .
2
— Sinon, on utilise l’interpolation linéaire dans la classe [ei−1 , ei [ qui contient la mé-
diane :
N N
− Fi−1 − Fi−1
Me = ei−1 + 2 (ei − ei−1 ) = ei−1 + 2 ai
ni ni
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 29

N
Remark 39 Lorsque les fréquences sont relatives, on remplace par 0,5.
2

[Link] Autres quantiles : quartiles, déciles, centiles

Quartiles
Definition 40 Les quartiles divisent la population en quatre parties égales. On note Q1 ,
Q2 (la médiane), et Q3 . Le k-ième quartile correspond à la valeur pour laquelle F (Qk ) =
kN
.
4

Déciles et centiles
Definition 41 — Les déciles divisent la population en 10 groupes égaux : d1 , . . . , d9 .
— Les centiles divisent la population en 100 groupes égaux : c1 , . . . , c99 .
kN kN
La valeur dk (resp. ck ) est définie par F (dk ) = (resp. F (ck ) = ).
10 100
La méthode de calcul est similaire à celle de la médiane.

[Link] La moyenne arithmétique

Definition 42 La moyenne arithmétique, notée x, représente le centre de gravité d’une
distribution.
1 P P
— Pour des données non groupées : x = n i xi = f i xi
N
— Pour des données groupées : remplacer xi par les centres de classe ci .
xi − b
Astuce de calcul par changement de variable : Si x′i = , alors :
a
1 X
x′ = ni x′i et x = ax′ + b
N

[Link] La φ-moyenne
Definition 43 La φ-moyenne est une généralisation de la moyenne arithmétique. Elle
est définie par :
1 X
xφ = ni φ(xi )
N
Cas particuliers :
— φ(x) = x ⇒ moyenne arithmétique
— φ(x) = x2 ⇒ moyenne quadratique : xQ
1
— φ(x) = ⇒ moyenne harmonique : xH
x
— φ(x) = log x ⇒ moyenne géométrique : xG = ( xni i )1/N
Q

Remark 44 — xH ≤ xG ≤ x ≤ xQ
— La moyenne s’exprime dans les mêmes unités que les données.
— La moyenne arithmétique est égale à l’espérance mathématique.
30CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

2.2.6 Mesures de dispersion

[Link] L’étendue
Definition 45 L’étendue, notée E, est la différence entre la plus grande et la plus petite
valeur d’une distribution. Elle mesure l’amplitude totale des données.

— Pour une variable discrète non groupée : E = xmax − xmin .

— Pour une variable groupée : E = ek − e1 , où [ei , ei+1 [ sont les bornes des classes.

[Link] L’écart interquartile et le semi-interquartile

Definition 46 L’écart interquartile, noté EQ , mesure l’étendue des 50% centrales des
observations. Il est défini par :
EQ = Q3 − Q1
où Q1 et Q3 sont respectivement le premier et le troisième quartile.

Definition 47 Le semi-interquartile est la moitié de l’écart interquartile. Il donne une

mesure robuste de la dispersion autour de la médiane :
EQ
SIQ =
2

[Link] L’écart moyen et l’écart médiant

Definition 48 L’écart moyen, noté E, est la moyenne des écarts absolus entre les obser-
vations et la moyenne :
k
1 X
E= ni |xi − x|
N i=1
Pour les données groupées, on remplace xi par les centres des classes.

Definition 49 L’écart médiant, noté EM , est la moyenne des écarts absolus entre les
observations et la médiane :
k
1 X
EM = ni |xi − Me |
N i=1

[Link] La variance et l’écart-type

Definition 50 La variance, notée V , mesure la dispersion moyenne des données autour
de la moyenne :
k
1 X
V = ni (xi − x)2
N i=1

Formule alternative (formule de König) :

k
1 X
V = ni x2i − x2
N i=1

Definition 51 L’écart-type, noté σ, est la racine carrée de la variance :

√
σ= V
2.2. ORGANISATION DES DONNÉES D’UNE SÉRIE STATISTIQUE 31

L’écart-type est la mesure de dispersion la plus utilisée. En cas de changement de

variable x′i = xia−b , on a :
σ = |a| · σ ′

Remark 52 Pour les données groupées, les xi sont remplacés par les centres des classes
ci .

[Link] Le score et le coefficient de variation

Definition 53 Le score (ou note standardisée) d’un individu, noté si , mesure le nombre
d’écarts-types qui le séparent de la moyenne :
xi − x
si =
σ
Definition 54 Le coefficient de variation, noté Cv , évalue la dispersion relative par rap-
port à la moyenne :
σ
Cv =
x
Il permet de comparer la variabilité de deux distributions même si elles n’ont pas la
même unité ou échelle.

[Link] Les moments

Definition 55 Le moment non centré d’ordre r est la moyenne des puissances r-ième
des valeurs :
k
1 X
mr = ni xri
N i=1

Definition 56 Le moment centré d’ordre r par rapport à une valeur x0 est :

k
1 X
Mr,x0 = ni (xi − x0 )r
N i=1

Remark 57 Cas particuliers :

— r = 0 : m0 = 1, M0,x0 = 1
— r = 1 : m1 = x, M1,x = 0
— r = 2 : M2,x = V

2.2.7 Mesures de forme

[Link] Le coefficient d’asymétrie de Fisher
Definition 58 Le coefficient d’asymétrie de Fisher permet d’apprécier le sens et l’inten-
sité de l’asymétrie d’une distribution par rapport à sa moyenne. Il est noté γ1 et défini
par :
M3,x
γ1 =
σ3
où M3,x est le moment centré d’ordre 3 et σ l’écart-type.
32CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

— Si γ1 = 0, la distribution est parfaitement symétrique.

— Si γ1 > 0, la distribution est asymétrique à droite (queue à droite).
— Si γ1 < 0, la distribution est asymétrique à gauche (queue à gauche).
Une alternative graphique consiste à considérer la formule :

Q1 + Q3 − 2Me
d=
2Me

où Q1 , Q3 sont les quartiles et Me la médiane. Ce coefficient fournit une approximation

simple de l’asymétrie.

[Link] Le coefficient d’aplatissement (kurtosis)

Definition 59 Le coefficient d’aplatissement de Fisher permet d’évaluer le niveau de
concentration des valeurs autour de la moyenne. Il est noté γ2 et défini par :

M4,x
γ2 = −3
σ4
où M4,x est le moment centré d’ordre 4.

— Si γ2 = 0, la distribution a le même aplatissement que la loi normale (courbe de

Gauss).
— Si γ2 > 0, la distribution est plus effilée (leptokurtique).
— Si γ2 < 0, la distribution est plus aplatie (platykurtique).
Ces deux coefficients (γ1 et γ2 ) permettent une caractérisation fine de la forme de la
distribution, complémentaire aux mesures de tendance centrale et de dispersion.

2.2.8 Mesures de concentration

[Link] La médiale
Soit X une variable statistique à valeurs positives, avec des modalités xi et des effectifs
associés ni .

Definition 60 On appelle masse associée à la modalité xi le produit mi = ni xi .

Pk
La masse totale est donnée par M = i=1 mi , et la masse cumulée croissante est
Mi = ij=1 mj .
P

Definition 61 La médiale, notée Md , est la valeur de la variable qui partage la masse

M
totale M en deux parts égales. Autrement dit, c’est la valeur pour laquelle Mi = .
2

Sa détermination suit une méthode analogue à celle de la médiane, en utilisant les

masses cumulées plutôt que les effectifs cumulés.
2.3. RÉGRESSION ET CORRÉLATION STATISTIQUE 33

[Link] Courbe de concentration et indice de Gini

Definition 62 La courbe de concentration (ou courbe de Lorenz) permet de visualiser
la répartition d’une variable positive parmi une population. Elle est définie par l’ensemble
des points :
Fi Mi
 
Pi = , Qi = ,
N M
où Fi est l’effectif cumulé jusqu’à xi , Mi la masse cumulée, N l’effectif total, et M la
masse totale.

Plus la courbe de Lorenz est proche de la diagonale, plus la répartition est égalitaire. Plus
elle est éloignée, plus la concentration est forte (inégalités accrues).

Definition 63 L’indice de Gini, noté g, mesure l’inégalité de la répartition. Il est défini

par :
k−1
X
g =1− (Pi+1 − Pi )(Qi+1 + Qi )
i=1

Il correspond au double de l’aire entre la courbe de Lorenz et la diagonale.

— g = 0 : distribution parfaitement égalitaire.

— g = 1 : concentration totale (un seul individu détient toute la masse).

2.3 Régression et corrélation statistique

2.3.1 Statistiques conditionnelles et distributions croisées
On considère un tableau de contingence croisant deux variables statistiques X et Y ,
où nij représente l’effectif des individus présentant simultanément la modalité Xi et la
modalité Yj .

Distribution de X conditionnellement à Y = Yj : La distribution de X sachant Yj

est la série (Xi , nij ) pour 1 ≤ i ≤ I. Les statistiques conditionnelles associées sont :
I I
1 X 1 X
xj = nij xi , σj2 = nij (xi − xj )2
n·j i=1 n·j i=1

Distribution de Y conditionnellement à X = Xi : La distribution de Y sachant

Xi est la série (Yj , nij ) pour 1 ≤ j ≤ J. Les statistiques associées sont :
J J
1 X 1 X
yi = nij yj , σi2 = nij (yj − y i )2
ni· j=1 ni· j=1

Lien entre les statistiques conditionnelles et globales : La moyenne marginale

s’exprime comme une moyenne pondérée des moyennes conditionnelles :
J
X I
X
x= p j xj , y= pi y i
j=1 i=1
34CHAPITRE 2. STATISTIQUE DESCRIPTIVE UNIDIMENSIONNELLE ET BIDIMENSIONNELLE

La variance marginale se décompose en :

J J
2
pj σj2 + pj (xj − x)2
X X
σX =
j=1 j=1

Le premier terme est la variance intra-groupe (résiduelle), le second est la variance inter-
groupe (expliquée).

2.3.2 Covariance et corrélation linéaire

Covariance :
1 X
Cov(X, Y ) = nij xi yj − x · y
n·· i,j

Coefficient de corrélation linéaire :

Cov(X, Y )
ρ(X, Y ) = , où − 1 ≤ ρ ≤ 1
σX σY

— ρ = 1 : corrélation linéaire parfaite positive

— ρ = −1 : corrélation linéaire parfaite négative
— ρ = 0 : absence de corrélation linéaire

2.3.3 Droites de régression et estimation linéaire

Droite de régression de Y sur X :

Cov(X, Y ) σY
Y − Y = aX (X − X), où aX = 2
=ρ·
σX σX

Droite de régression de X sur Y :

Cov(X, Y )
X − X = aY (Y − Y ), où aY =
σY2

Les deux droites se coupent au point moyen (x, y). Plus |ρ| est proche de 1, plus
l’alignement est marqué.

2.3.4 Rapport de corrélation

Définition : Le rapport de corrélation mesure la proportion de la variance expliquée
par la variable indépendante :

ni· (y i − y)2 ni· σi2

P P
ηY2 /X = = 1 −
n·· · σY2 n·· · σY2

— η 2 ∈ [0, 1], plus η 2 est proche de 1, plus la liaison est forte.

— Le rapport est invariant par changement d’origine et d’unité.
2.3. RÉGRESSION ET CORRÉLATION STATISTIQUE 35

2.3.5 Indépendance
Les variables X et Y sont dites indépendantes si toutes les moyennes conditionnelles
xj = x et y i = y. Dans ce cas :
ni· · n·j
nij =
n··
Les courbes de régression sont alors parallèles aux axes.