Institut Supérieurs Des Professions Infirmières

et des techniques de santé Laayoune

Bio statistiques

M. EL HAIRACH DARIFA
Responsable de la formation continue

Année universitaire 2023/2024

 Organisation globale du cours

Volume Horaire
 Cours Magistraux: 15 heures
 Travaux Dirigés: 5 heures
 Total du cours: 20 heures
 Durée d’une séance de cours: 2 ou 4 heurs
 Des rattrapages seront organises si besoin en fin de semestre.

Barème de Notation:
 Contrôles continu 40%
 Examen finale 60%
 Introduction Générale
 Qu'est-ce que la biostatistique?

La biostatistique est l’application des concepts et principes statistiques à des

données médicales, biologiques et de santé public.

Exemples:
 Les effets d’un médicament.
 L’effet du niveau du cholestérol sur la pression artérielle.
 Le nombre de patients admis durant les fins de semaine aux urgences.
 Distribution des pandémies.
 L’étude sur les différentes complications dans le traitement des patients atteints
du virus VIH.
 Introduction Générale
 Qu'est-ce que la biostatistique?

Discipline scientifique dont l'objet est la collecte, l'analyse

et l'interprétation de données numériques (biologiques).
La biostatistique a deux fonctions:

1. Description : résumé de l'information;

2. Inférence (induction) : généralisation à une population à

partir d'observations sur un ensemble de données.
 Les deux types d'études statistiques

 La statistique descriptive (ou statistique déductive)

Organisation, présentation et analyse des données
relatives à une population, un échantillon, en
mettant les points importants en évidence.

 s'occupe
de la description des données: tableau,
graphique, pourcentage, ...
 La statistique inductive (ou inférence statistique) Elle
permet de généraliser à de grands ensembles d'éléments
les conclusions tirées des résultats obtenus avec des
ensembles beaucoup plus restreints appelés échantillons.

Echantillon Inférence Population ?

 Intérêt de la biostatistique:
Elle permet de répondre à des questions telles que :
 Valeur normale d'une grandeur biologique ?
 Intérêt d'un examen complémentaire ?
 Risque de complication d'une pathologie ? d'un traitement ?
 Efficacité d’un traitement A par rapport à un traitement B ?

Elle permet de passer de l’observation au général, et donc de

faire progresser les connaissances médicales, lorsque
l’observation est soumise à la variabilité biologique.
 Démarche générale d’analyse statistique

Trois étapes principales :

1 - la collecte des données

2 - le traitement des données collectées

 caractériser la relation entre variables

 Statistiques descriptives
3 - l'interprétation des données
 à partir des données obtenus sur l’échantillon, inférer les
caractéristiques de la population d’origine

 Statistiques inférentielles ou inférences statistiques

 Identification du
Problème

Recensement
Collecte des données

Sondage

Statistique Descriptive
Analyse des données

Inférence Statistique

Conclusions

Prise des décisions

 Plan du cours
1. Les statistiques decriptives
 Rappel des concepts de bases
 Mesures de tendances
 Mesures d dispersion
 Représentation graphiques

2 l inference statistiques
 variabilité individuelle et techniques d echantionnage
 Estimation des paramètres
Partie I: statistique descriptive
I. Les concepts usuels de la statistique descriptive.

Définition de la statistique descriptive

La statistique est un ensemble de méthodes mathématique
permettant de résumer quantitativement l information
recueillie sur un ensemble d’élèments
Elément (individus)
Les éléments sont les unités qui composent une population.
Synonymes: Objet, individu, unité statistique, sujet, parcelle,
observation, prélèvement, entité …
Population
 Ensemble d’individus ayant des caractéristiques qui leurs sont
propres
Ex: personnes présentant des problèmes d’hypertension artérielle,
...)
Échantillon
 Sous-ensemble d’une population
 Sur chaque individu de l’échantillon on peut mesurer une
caractéristique faisant l’objet de l’étude (impossible sur toute la
population)
 Population x
x x x
Ensemble de référence x x x x
x x x
x x
x x x x
x x x x x
Individu x
x x x x x
x
Elément de la population x
x x x x x
x x
Echantillon x x x
x x x x
Sous-ensemble de la population.
x x
x x x
x
Recensement
Qui consiste généralement en un recueil d’informations
auprès de tous les individus d’une population (ce qui est très
difficile dans le cas de la Biostatistique, mais plus facile
dans des études démographique). Il est plus adapté à
l’étude des populations. Il consiste en un dénombrement de
toutes les personnes ou individus ou attributs d’une
population dans sa totalité.
Exemples : population d’un pays ; pollution mondiale ; animaux en
voie de disparition ….
Echantillonnage
Qui consiste généralement en un recueil d’informations auprès de
quelques individus ou partie d’une population « l’échantillon », (ce qui
est généralement le cas en Biostatistique).
• Échantillon : fragment d'un ensemble prélevé pour juger de cet
ensemble. Fraction de la population statistique sur laquelle des mesures
sont faites pour connaître les propriétés de cette population.
• Échantillon représentatif : échantillon qui représente fidèlement la
composition et la complexité de la population statistique.
- pour être représentatif, un échantillon doit être aléatoire.
• Échantillon aléatoire: échantillon prélevé de manière à ce que
chacun des éléments de la population statistique ait une probabilité
connue et non nulle d'appartenir à cet échantillon.
Caractère (variable):
 Pour décrire une population, on repère et on classe les individus en
sous ensembles appelés caractères.
 Un caractère est définit comme une des caractéristiques ou des
attributs d’un individu (élément de la population).

Exemples:
1. La population au Maroc pourrait être décrite par des caractères tels
que: sexe, âge, nationalité, ….

2. Le taux de glycémie, la vitesse de coagulation, la taille,...

Modalité/Mesure
la modalité est l’une des formes particulières d’un caractère..

Exemples:
1. le sexe des individus est un caractère. Ses modalités sont de deux
types: soit mal soit femelle.
2. La couleur des yeux est un caractère. Les variantes de la couleur sont
des modalité: noir, bleu, vert, ....
3. La taille des étudiant de l’ISPITS est un caractère. Les valeurs de
taille (1,65m; 1.75; ….) sont des mesures.
Variables:

 Il y a deux types de variables:

 Variable quantitative
 Variable qualitatif.
 Variable quantitative
a. Variable discrète ou discontinue: une variable statistique est
discrète lorsqu’elle ne peut prendre que certain valeurs isolées dans
son intervalle de variation. Il s’agit en général des valeurs entières.
Exemple:
 Nombre d’enfant par famille
 Nombre d’examens effectués dans service de radiologie ou
laboratoire
b. Variable continue: une variable statistique est continue
lorsqu’elle prend toutes les valeurs à l’intérieur de son intervalle de
variation.
Exemple:
Taux de glycémie, durée d’allaitement maternel, poids, tailles, âge,
etc.
c. Échelle de mesure des variables quantitatives:
elle comprenne les dénombrements (ou comptages) et les mesures.
i. Dans le cas des dénombrements, il suffit de compter le nombre
d’individus affectés par chacune des valeurs de la variable discrète ou
discontinue
exemples: nombre d’enfant par famille, nombre d’examen radio, etc
ii. Dans le cas des mesures: la variable est de nature continue
(hauteur, poids, surface, concentration, température, …)
En résume
Variable
quantitative
Variables pouvant
être quantifiées

Discrètes continues

comptée mesurée

Nombre de malade TA; le poids; la taille

admis; Fratrie;
parité; …
 Variable qualitatif:
c'est un caractère qualitatif, dans ce type de variable les
modalités ne sont pas quantifiables (pas mesurables).
Exemples:
couleur des yeux, sexe, douleur, …
Les données qualitatives peuvent être réalisées dans deux
échelles de mesure : Échelle ordinale et Échelle nominale.
a. Échelle ordinale : les modalités sont au niveau ordinal si on peut
les arranger selon un certain ordre, sous réserve que les différences
entre valeurs soient non déterminées ou qu’elles soient sans
signification.

Exemples:
 Les grades aux examens : médiocre, passable, assez bien, bien,
excellent
 Les degrés d’une brulure : 1er, 2ème, 3ème.
 La pratique d’un sport : jamais, rarement, souvent, très souvent.
b. Échelle nominale: est caractérisé par des données qui consistent en
noms, labels ou catégories. Les données ne peuvent pas être arrangées
suivant un ordre (comme du plus grand au plus petit).

Exemples:
Les couleurs des yeux: noir, bleu, vert,….
Les genre des voitures, renault, citoène, audi, wolsvagen…
c. Échelle binaire (dichotomique): ne prennent que deux valeurs
appelées aussi variable dichotomique

Exemples:
 Réponse à une question d’un enquête :Vrais ou faux
 Genre: H/F
 Etat de santé: malade/sain
 En résume
Variable
qualitative
Variables pouvant
être nommées

Nominales ordinales binaires

Deux
Sans ordre Avec ordre
modalités
Groupe Niveau Sexe;
sanguin; d’instruction; Statut,…..
État civil ; Degré de
région… Satisfaction…
Exemple1:
Si une enquête sur le groupe sanguin d’un échantillon de patient de taille
n=100 dans un laboratoire donne les résultats monter dans le tableau ci-
dessous.
UNITÉ STATISTIQUE?
POPULATION ?
CARACTÈRE OU VARIABLE?
TYPE DE CARACTÈRE?
Unité statistique: un patient
Population : l’ensemble des 100 patients
Caractère ou variable: le groupe sanguin
Type de caractère: variable qualitative nominale
Exemple2:
Sur un échantillon de 58 garçons, nous avons relevé la taille (en cm)
des membres inférieurs et nous avons obtenus les résultats suivants:
Taille des membres inférieurs dans l’ordre du tirage
41 41 42 42 44 44 44 44 45 45 45 45 46 46 47 36 37
41 38 39 39 40 47 47 47 47 48 49 49 50 50 51 53 54
55 45 46 47 56 52 52 43 43 43 44 53 53 57 50 50 51
51 51 58 49 62 59 61
Unité statistique?
Population : ?
Caractère ou variable?
Type de caractère: ?
Unité statistique : un garçon
Population : l’ensemble des 58 garçon
Caractère ou variable : la taille des membres inférieurs
Type de caractère : variable quantitative continue
 II. Tableaux et Représentations Graphiques

A .Tableaux
Présentation du Tableau statistique
 la présentation d’un tableau statistique doit respecter des principes
généraux:
Le tableau doit porter un titre précisant son contenu : le phénomène
étudié, la façon dont il est étudié, le lieu, la date, etc.
Le tableau doit porter des intitulés de lignes et de colonnes
clairement définis
Le tableau doit préciser les unités utilisés: ne pas confondre le mètre
avec le mètre carré, le millier avec le million, le DH avec l’Euro, etc
Le tableau doit préciser la source des informations lors que les
données sont empruntées à une publication ou à un organisme
 II. Tableaux et Représentations Graphiques

A .Tableaux

Les tableaux statistiques peuvent être à une ou à plusieurs

dimensions
À «une dimension» si un seul caractère est étudié (nombre
d’enfants/ménage)
À «deux dimensions» s’il on retient deux caractères (nombre et sexe
des enfants/ménage)
Exemple1:
Si une enquête sur le groupe sanguin d’un échantillon de patient de taille n=100 dans un
laboratoire donne les résultats monter dans le tableau ci-dessous.
 Tableau d’effectifs

GS Nombre de sujets
(effectif)
A 35
B 9
O 40
AB 16
Total 100
 Fréquence


A 35 35/100 = 0,35
B 9 9/100 = 0,09
O 40 40/100 = 0,4
AB 16 16/100 = 0,16
Total 100 1
 Fréquence

a) Variable Statistique Discrète (v.s.d)

 Soit X le caractère qui désigne le nombre d’enfants par ménage
pour les 20 femmes :
 Le tableau est alors le suivant :

0 1 5
1 3 15
2 5 25
3 6 30
4 3 15
5 2 10
total 20 100

Question : Combien de femmes ont au moins ou au plus 3 enfants ?

 Effectifs et fréquences cumulés

. . . . . .
. . . . . .
. . . . . .

. . . . . .
. . . . . .
. . . . . .

Total _ _ _ _
Effectif ni : Le nombre d’apparitions de la valeur xi dans l’échantillon
.
Fréquence fi : Le nombre fi = ni n , où ni est l’effectif de xi et n le
nombre total de données.

Effectif cumulé Ni : (associée à une valeur xi), le nombre d’individus

dont la mesure est inférieure ou égale à xi

Fréquence cumulée Fi : (associée à une valeur xi), la somme des

fréquences relatives associées aux valeurs inférieures ou égales à xi
Ni est l’effectif cumulé c’est dire le nombre d’observations ayant
des valeurs inférieures ou égales à xi :

Fi est la fréquence cumulée c’est à dire la fréquence des

observations ayant des valeurs inférieures ou égales à xi :
 Effectifs et fréquences cumulés


 Effectifs et fréquences cumulés

0 1 5 1 20 5 100
1 3 15 4 19 20 95
2 5 25 9 16 45 80
3 6 30 15 11 75 55
4 3 15 18 5 90 25
5 2 10 20 2 100 10
Total 100 Au plus Au moins

 Interprétation :
 Il y a 19 ménages (soit 95%) qui ont au moins 1 enfant.
 Il y a 9 ménages (soit 45%) qui ont au plus 2 enfants.
 Fréquence

N° classe Les
classes
1
2
. . .

. .

Total _ 1
Exemple2:
Sur un échantillon de 58 garçons, nous avons relevé la taille (en
cm) des membres inférieurs et nous avons obtenus les résultats
suivants:
Taille des membres inférieurs dans l’ordre du tirage
41 41 42 42 44 44 44 44 45 45 45 45 46 46 47 36 37
41 38 39 39 40 47 47 47 47 48 49 49 50 50 51 53 54
55 45 46 47 56 52 52 43 43 43 44 53 53 57 50 50 51
51 51 58 49 62 59 61

Unité statistique: un garçon

Population : l’ensemble des 58 garçon
Caractère ou variable: la taille des membres inférieurs
Type de caractère: variable quantitative continue
Rangeons cette série selon un ordre croissant:
36 37 38 39 39 40 41 41 41 42 42 43 43 43 44 44 44
44 44 45 45 45 45 45 46 46 46 47 47 47 47 47 47 48
49 49 49 50 50 50 50 51 51 51 51 52 52 53 53 53 54
55 56 57 58 59 61 62

Dans ce cas on regroupe les valeurs en classe. La classe

présente les valeurs possibles de chaque modalité de la variable.
La classe est définit par une amplitude nommé a.
Ceci permet le regroupement des données en un certain nombre
de classe.
Le nombre de classes, est proportionnel à l’effectif de la
population étudiée.



Classes Effectif
36 – 39 5
40 - 43 9
44 - 47 19
48 - 51 12
52 - 55 7
56 - 59 4
60 - 63 2
Totale 58


Classes Effectif
5
9
19
12
7
4
2
Totale 58
On peut regrouper ces données en classes sans appliquer
les formules empiriques et aboutir par exemple au tableau
suivant ( amplitude de 5 avec 6 classes)

Classes Effectif
5
14
18
14
5
2
Totale 58
 Exemple

relevé de la taille (en cm) des membres inférieurs de 50

garçons

Classes Effectif
5
14
18
14
5
2
Totale 58
 Complétons notre tableau :

Classes
5 8,62 8,62 100
14 24,14 32,76 91,38
18 31,03 63,79 67,24
14 24,14 87,93 36,21
5 8,62 96,55 12,07
2 3,45 100 3,45
Totale 58 100 Au plus Au moins
 Exemple

Moyen de Nombre
transport d’étudiants

Marche 15 30 30 100

Bus 16 32 62 70

Voitures 8 16 78 38

Autres 11 22 100 22

Total 50
 II. Tableaux et Représentations Graphiques

B .Graphiques

Graphiques des caractères qualitatives

Deux modes de représentation graphique prédominent dans ce cas:

Les graphiques en "tuyaux d’orge"
Les diagrammes à "secteurs circulaires".
 40 f%
[VALEUR]%

35
[VALEUR]%

30
pourcentage en %

25

20

15
[VALEUR]%

10
[VALEUR]%
5

0
A B O AB
groupe sanguin
 GROUPE SANGUIN

AB; 16; 16%

A; 35; 35%
A
B
O; 40; 40% O
B; 9; 9%
AB
 II. Tableaux et Représentations Graphiques

B .Graphiques
Graphiques des caractères quantitatives
1. Les Variables Statistiques Discrètes

i. Diagramme en bâtons
 B .Graphiques

2. Les Variables Statistiques Continues.

i. Histogramme (line chart)

 caractère

qualitatif quantitatif

Secteurs Tuyaux Diagramme

Histogram
circulaires d’orgues en bâton
me (VSC)
(camambert) (en barres) (VSD)
II. Les. Mesures de location (position ) ou de tendance central.

[Link] médiane

o la médiane est la valeur de la variable qui permet de partager la

population étudiée en deux.
o On note généralement la médiane : Mé.
o Le calcul de la médiane de distribution dépend de la nature continue
ou discrète de la variable étudiée.
II. Les. Mesures de location (position ) ou de tendance central.
Exemple1: on détermine la valeur médiane de la liste suivante (cas n est
impaire):
12 6 18 14
16 9,5 11 8 7,5
on range les valeurs dans l’ordre croissant:
6 7,5 8 9,5
11 12 14 16 18
Comme il y’a 9 valeurs, la médiane est associée au 5ème élément qui partage la
série en deux séries de 4 valeurs, soit la valeur 11
Exemple2: on calcule la médiane de la série suivante (cas n et paire)
14 6,5 11,5 9
12 11 11 9,5
on range les valeurs dans l’ordre croissant:
6,5 9 9,5 11
11 11,5 12 14
Comme il y’a 8 valeurs, la médiane est comprise entre la 4ème et 5ème valeur,
qui partage la série en deux séries de 4 valeurs, soit la valeur 11
II. Les. Mesures de location (position ) ou de tendance central.

Le cas où la variable est discrète

 Le calcul de la médiane se fait à partir des effectifs ou des

fréquences cumulées. La médiane est la valeur de la variable à
laquelle est associé un effectif cumulé égal à N / 2, ou une
fréquence cumulée égale à 0,5, N étant effectif total de la
population.
 Si ces valeurs d'un effectif cumulé égal à N / 2 ou d'une fréquence
cumulée égale à 0,5 ne correspondent pas exactement à une valeur
de la variable et « tombent entre deux lignes » de la distribution,
aucune valeur possible de la variable ne partage alors exactement la
population en deux sous-ensembles égaux. Par convention, on
retient dans ce cas comme médiane la valeur de la variable
immédiatement supérieure.
II. Les. Mesures de location (position ) ou de tendance central.

Exemple
Soit la distribution statistique d'une population de 30 élèves
d'une classe selon leur âge :
Effectifs Effectifs cumulés
Âge xi
ni Ni
14 6 6
15 10 16
16 10 26
17 2 28
18 2 30
∑ 30 30

On a : N = 30 ; donc : N/2 = 15.

La population comprend 30 individus. La médiane est la valeur de la variable (l'âge)

qui partage ses 30 individus en deux sous-ensembles de 15 étudiants chacun. Le
calcul des effectifs cumulés Ni montre que la moitié de l'effectif (N / 2 = 15) se situe
entre deux valeurs de la variable : 14 et 15 ans. Par convention, on retiendra comme
médiane la valeur de la variable immédiatement supérieure, soit 15 ans.
II. Les. Mesures de location (position ) ou de tendance central.

Exemple: On reprend l’exemple du nombre d’enfants

par ménage pour les 20 femmes :

0 1
1 3
2 5
3 6
4 3
5 2
total 20
 Les. Mesures de location (position ) ou de tendance central .

Le cas où la variable est continue

Le calcul de la médiane se fait alors en deux temps :

La détermination de la classe médiane : la classe médiane est la
classe de valeurs de la variable contenant la médiane. Elle est
déterminée de la même manière que la médiane dans le cas d'une
variable discrète, à partir des effectifs et des fréquences cumulés.
II. Les. Mesures de location (position ) ou de tendance central.

 Exemple
Soit la distribution statistique d'une population de 30 élèves d'une
classe selon leur taille :
Effectifs Effectifs cumulés
Taille xi
ni Ni
<1,60 8 8
[1,60-1,70[ 9 17
[1,70-1,80[ 10 25
[1,80-1,90[ 2 27
≥ 1,90 1 30
∑ 30 30

On a : N = 30, et N / 2 = 15. Dans cette population, 8 individus

prennent une valeur inférieure à 1,60 m et 17 individus une valeur de
la variable inférieure à 1,70 m. La médiane est donc comprise entre
1,60 m et 1,70 m.
La classe [1,60-1,70[ est la médiane de la distribution.
II. Les. Mesures de location (position ) ou de tendance central.

Aux deux barres xi et xj on associe, par définition, les deux effectifs

cumulés Ni et Nj, et à la médiane qui est comprise entre xi et xj, on
associe un effectif cumulé égal à N / 2. Le théorème de Thalès permet
d'écrire, à partir de :
II. Les. Mesures de location (position ) ou de tendance central.

 Exemple
Dans l'exemple précédent, on a : xi = 1,60 m et xj = 1,70 m
(bornes de la classe médiane) ; on a aussi : Ni = 8 et Nj = 17
(effectifs cumulés associés) ; on peut alors construire l'axe
suivant, soit :
II. Les. Mesures de location (position ) ou de tendance central .

B/ Le mode ou valeur dominante.

Le mode est la valeur de la variable la plus fréquente de la
population étudiée. En d'autres termes, dans une distribution
statistique, le mode est la modalité de la variable à laquelle est associé
le plus grand effectif ou la plus grande fréquence. On note
généralement le mode : M0.
Le calcul du mode de distribution et sa difficulté dépendent de la nature
continue ou discrète de la variable étudiée.
Une distribution peut avoir un mode (distribution unimodale), deux
modes (distribution bimodale), ou plusieurs modes (distribution
multimodale). Elle peut aussi ne pas avoir de mode...
II. Les. Mesures de location (position ) ou de tendance central .

Cas de la variable discrète

 Le mode est la valeur de la variable possédant le plus grand effectif
ou la plus grande fréquence. Il est, dans ce cas, simplement ou
directement observable. Dans un tableau statistique, c'est le xi ou
le fi le plus élevé.
 Exemple
soit la distribution statistique d'une population de 30 élèves d'une
classe selon leur âge, dont le tableau statistique est :
Effectifs Fréquences
Âge xi
ni fi
14 6 0,2
15 10 0,33
16 10 0,33
17 2 0,067
18 2 0,067
∑ 30 1
L'effectif ni ou la fréquence fi les plus élevés montrent que le mode est
ici de 15 et 16 ans (l'effectif est le même dans les deux cas).
II. Les. Mesures de location (position ) ou de tendance central .

Exemple 1:
140 141 144 144 148
148 152 152
152 154 155 158 158
161 170 172
Le mode est XX car il possède le plus grand nombre d’occurrences (il
est référencé 3 fois)
Exemple 2: On reprend l’exemple du nombre d’enfants par ménage
pour les 20 femmes :
II. Les. Mesures de location (position ) ou de tendance central .

Dans cette série statistique, le mode est égal à 3 enfants : M 0= 3

enfants

0 1 5
1 3 15
2 5 25
3 6 30
4 3 15
5 2 10
total 20 100
II. Les. Mesures de location (position ) ou de tendance central .

Cas de la variable continue

 Si la variable est continue, ses modalités sont des classes de valeurs. Le mode de
distribution ne pourra pas être une modalité représentant une valeur précise de
cette variable mais sera une classe de valeurs. On appelle alors classe modale la
classe constituant le mode de la distribution.
 Exemple;
soit la distribution statistique d'une population de 30 élèves d'une classe selon leur
taille :
Effectifs Fréquences
Taille xi
ni fi en %
<1,60 8 26,7
[1,60-1,70[ 9 56,7
[1,70-1,80[ 10 89,7
[1,80-1,90[ 2 96,3
L'effectif ni ou la fréquence fi les plus élevés≥ 1,90 1 100
montrent que le mode est ici la classe [1,70- ∑ 30 100 %
1,80[.
II. Les. Mesures de location (position ) ou de tendance central.


II. Les. Mesures de location (position ) ou de tendance central.

calculer la moyenne:

0 1
1 3
2 5
3 6
4 3
5 2
total 20
II.
 Les. Mesures de location (position ) ou de tendance central.

0 1 0 0,5 0
1 3 3 0,15 0,15
2 5 10 0,25 0,5
3 6 18 0,30 0,9
4 3 12 0,15 0,6
5 2 10 0,10 0,5
total 20 53 1 2,65
II. Les. Mesures de location (position ) ou de tendance central.

Tableau: distribution des consultants en fonction du nombre de travail

0 24 0
1 57 57
2 75 150
3 53 159
4 33 132
5 7 35
La moyenne ?
6 4 24
II. Les. Mesures de location (position ) ou de tendance central.

0 24 0
1 57 57
2 75 150
3 53 159
4 33 132
5 7 35
6 4 24
N= 253
II. Les. Mesures de location (position ) ou de tendance central.
Exemple 1 :

Classes
5 0,09
14 0,24
18 0,31
14 0,24
5 0,09
2 0,03
Totale 58 1
II. Les. Mesures de location (position ) ou de tendance central.

Classes
5 0,09 37,5 187,5 3,23
14 0,24 42,5 595 10,26
18 0,31 47,5 855 14,74
14 0,24 52,5 735 12,67
5 0,09 57,5 287,5 4,96
2 0,03 62,5 125 2,16
Totale 58 1 Au moins
 III. Les. Mesures de dispersion


 III. Les. Mesures de dispersion


 III. Les. Mesures de dispersion

0 1
1 3
2 5
3 6
4 3
5 2
Classes Effectif
total 20
5
14
18
14
5
2
Totale 58
 III. Les. Mesures de dispersion


 III. Les. Mesures de dispersion


 III. Les. Mesures de dispersion

Exemples:
 Cas d’une VSD: nombre d’enfants par ménage pour les 20
femmes :

0 1
1 3
2 5
3 6
4 3
5 2
total 20
 III. Les. Mesures de dispersion

Exemples:
 Cas d’une VSC: la taille (en cm) des membres inférieurs de 58
garçons

Classes
5
14
18
14
5
2
Total 58
 III. Les. Mesures de dispersion

0 1 - 2,65 7,0225 7,0225

1 3 - 1,65 2,7225 8,1675
2 5 - 0,65 0,4225 2,1125
3 6 0,35 0,1225 0,7350
4 3 1,35 1,8225 5,4675
5 2 2,35 5,5225 11,0450
total 20 34,55
 III. Les. Mesures de dispersion

Classes
5 37,5 187,50 -10,52 110,61 553,06
14 42,5 595,00 -5,52 30,44 426,16
18 47,5 855,00 -0,52 0,27 4,82
14 52,5 735,00 4,48 20,10 281,33
5 57,5 287,50 9,48 89,92 449,61
2 62,5 125,00 14,48 209,75 419,50
Total 58 2785,00 2134,48
III. Les. Mesures de dispersion
III. Les. Mesures de dispersion
 III. Les. Mesures de dispersion


 III. Les. Mesures de dispersion

 III. Les. Mesures de dispersion

 CV < 0,33 alors la dispersion est moins importante et les valeurs

sont resserrées autour de leur moyenne.

Exemple1:
Calculer Le coefficient de variation Cv dans le cas du nombre
d’enfants par ménage pour les 20 femmes et la taille (en cm) des
membres inférieurs de 58 garçons.
 III. Les. Mesures de dispersion

D/. Les quantiles et les écarts interquantiles.

A. Les quantiles

 Il a été vu précédemment que la médiane partage la distribution des

fréquences en 2 parties égales.
 Il est possible de partager une distribution de fréquence en 4 parties
égales (quartiles),
 en 10 parties égales (déciles),
 en 100 parties égales (centiles), en n parties égales…
 III. Les. Mesures de dispersion

25 25 M 25 25
% % % %
 III. Les. Mesures de dispersion

10 10 10
% % %
……
 III. Les. Mesures de dispersion


 III. Les. Mesures de dispersion

0 1
1 3
2 5
3 6
4 3
5 2
total 20
 III. Les. Mesures de dispersion

Classes Effectif
5
14
18
14
5
2
Totale 58
 III. Les. Mesures de dispersion

Partie II: inférence statistiques
variabilité individuelle et techniques d echantionnalge
Estimation des paramètres
Ponctuelle
Par intervalle de confiance
Test g hypothses
Test de comapraison
Test de liaison
Anova a un seul facteur