UNIVERSITÉ EUROMED FES

ECOLE D’INGENIERIE BIOMEDICALE

Support du cours : Statistique Descriptive

Filière : Biomédicale

Pr. El Houssine Azroul

 Table des matières

Table des matières 1

1 Statistique Descriptive 2
1.1 Objet et langage de la Statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Population - Caractère . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.3 Effectif, série (ou distribution) statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Distributions statistiques à un caractère . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Présentation des résultats : Représentations graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Paramètres de position . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.4 Paramètres de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Distributions statistiques à deux caractères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3.2 Distributions marginales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.3 Fréquences conditionnelles, distributions conditionnelles, indépendance . . . . . . . . . . . . . . . . . 16
1.3.4 Coefficient de corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2 Ajustement linéaire 20
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Alignement statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.1 Méthode des moindres carrés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.2 Généralisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1
 CHAPITRE 1

Statistique Descriptive

1.1 Objet et langage de la Statistique

1.1.1 Introduction
La statistique est un ensemble de méthodes scientifiques basées sur la collecte, l’organisation, la présentation de données
ainsi que sur la modélisation et la construction de résumés numériques et qui permettent de décrire et d’analyser des phénomènes
repérés par des éléments de même nature, susceptibles d’être dénombrés et/ou classés.
Le rôle d’explication et de prévision appartient à l’utilisateur et non à la statistique, qui n’est qu’un outil d’investigation.
Le calcul statistique a double objectif :

1er but : A partir de données brutes en grand nombre, on peut dégager avec un minimum d’effort, un certain nombre de
renseignements qualitatifs ou quantitatifs permettant de visualiser cette statistique avec une bonne précision. Cela afin de pouvoir
la comparer à d’autres statistiques du même type (Statistique Descriptive).

2ème but : La statistique ayant été effectuée sur un échantillon, nous permet d’extrapoler les résultats partiels en vue de
déduire des précisions globales (Statistique Inférentielle).
On prendra garde à ne pas confondre la statistique - ensemble de méthodes scientifiques - et les statistiques, terme désignant
les résultats numériques d’une enquête ou d’une série de mesures (après traitement éventuel par la statistique).
Ainsi, nous allons nous limiter dans ce cours au 1er but. Nous le traitons en s’appuyant aussi souvent que possible sur des
exemples.

1.1.2 Population - Caractère

Toute étude statistique considère au départ un ensemble Ω, appelé population (personnes, villes, voitures, virus,...). Tout
sous-ensemble de la population Ω est appelé échantillon. Cette terminologie est issue de la démographie, première science à
avoir développé des méthodes statistiques ; il est cependant clair que la population que l’on envisage en statistique dépend du
domaine que l’on traite, et peut donc aussi bien être constituée d’êtres humains que d’animaux, d’objets, voire d’événements.
Chaque élément de la population P est appelé individu et consiste à observer et étudier un même aspect sur chaque individu
nommé caractère (nombre d’enfants, consommation, marques de voitures,...).
Plus généralement, on appelle caractère toute application X de la population Ω dans un ensemble E, dont les éléments x sont
appelés modalités du caractère X (ou valeurs du caractère).

X : Ω −→ E
w 7−→ X(w) := x,

2
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

X : le caractère
Ω : la population
w : individu
E : l’ensemble des modalités
X(w) := x : modalité.
Il existe deux types de caractère :
1. Caractère quantitatif : mesurable c’est-à-dire auquel on peut associer un nombre (le nombre d’enfants, la taille, la
masse, la longueur, le volume). Un caractère quantitatif est souvent appelé également variable statistique.
On distingue alors deux types de caractère quantitatif :
- Caractère quantitatif discret : qui ne peut prendre qu’un nombre fini de valeurs (de modalités) isolées (X(Ω) =
{0, 1, 2, 3, 4}). Par exemple : nombre de voitures par famille.
- Caractère quantitatif continu : qui, théoriquement, peut prendre toutes les valeurs d’un sous-ensemble non
dénombrable de R, (en pratique un intervalle de R). Ses valeurs sont alors regroupées en classes (X(Ω) =
[0, 5[∪[5, 10[∪[10, 15[∪[15, 20[). Par exemple : la taille d’un individu, le temps passé devant la télé.
2. Caractère qualitatif : Ses modalités sont des qualités (X(Ω) = {blanc, bleu, jaune, rouge, beige}). Par exemple : sexe,
profession, nationalité, marque de voiture.

Exemple 1.1 Etude du nombre d’enfants des couples d’un quartier donné.

Population : Ensembles des couples du quartier,

Individu : couple,
Caractère : Nombre d’enfants,
Type : Quantitatif discret.

Exemple 1.2 Etude des marques de voitures d’une ville donnée.

Population : Ensembles des voitures de la ville,

Individu : voiture,
Caractère : Marque,
Type : Qualitatif.

Remarque 1.1 Toute statistique qualitative peut se transformer en une statistique quantitative à l’aide d’un codage des valeurs
possibles du caractère. Par exemple : 1 :masculin et 2 :féminin est le codage usuel du sexe, le code postal : codage de lieux
géographiques.

1.1.3 Effectif, série (ou distribution) statistique

Soient X est un caractère quantitatif discret et Ω une population finie. Si on pose X(Ω) = {x1 , x2 , ..., xi , ..., xp } alors pour
chaque valeur xi de modalité (du caractère) constatée, on détermine le nombre d’individus ni ayant présenté cette valeur du
caractère, nombre appelé effectif associé à la modalité. L’ensemble des couples (xi , ni) ((modalité, effectif)) ainsi déterminé est
parfois appelé distribution statistique ou série statistique ou encore variable statistique. On dit alors que l’on a effectué un
regroupement des données brutes.
Une série statistique à un caractère ou simple, ou à une dimension, est obtenue lorsque nous nous intéressons à un caractère
élémentaire, dont l’ensemble des modalités X(Ω) est un sous-ensemble de R s’il est quantitatif.
Une série statistique à deux caractères ou double est obtenue lorsque à chaque individu sont associés deux caractères
élémentaires, plus précisément un couple de caractères élémentaires, ou encore un caractère à valeurs dans le produit cartésien
R2 c’est-à-dire X(Ω) ⊂ R2 .
La différence entre l’étude de deux caractères simples sur la même population et d’un caractère double sur cette même population
peut paraître artificielle : elle est cependant essentielle. En effet, dans le cas d’une série double, nous nous intéressons pour
chaque individu au couple (x,y) de réponses et nous effectuons le regroupement des données par rapport à ces couples, alors que
dans le cas de l’étude des deux séries simples associées nous effectuons le regroupement des données séparément sur chacun des
deux caractères X et Y ; nous obtenons alors des résultats plus concis, mais au prix d’une perte d’information.
Prenons un exemple concret :

3 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Exemple 1.3 Nous effectuons un sondage auprès de nos étudiants en leur demandant leur note de mathématique au baccalauréat
et le nombre de redoublements au cours de leur scolarité primaire et secondaire. Les résultats bruts obtenus sont les suivants :

14-0 12-1 11-0 10-2 15-0 13-1 11-2 10-3

11-0 12-1 13-1 14-0 13-0 11-1 12-0 13-1

Soit X le caractère "note au bac" et Y le caractère "nombre de redoublements". Les tableaux statistiques regroupant les données
de X et de Y sont :
xi 10 11 12 13 14 15
ni 2 4 3 4 2 1
et
yi 0 1 2 3
ni 7 6 2 1
alors que le tableau statistique regroupant les données du couple (X ; Y ) est :

XY 0 1 2 3
10 0 0 1 1
11 2 1 1 0
12 1 2 0 0
13 1 3 0 0
14 2 0 0 0
15 1 0 0 0

Nous pouvons remarquer que si les tableaux statistiques des variables X et Y ne permettent pas de reconstruire le tableau du
couple (X,Y), ce dernier par contre permet de retrouver les tableaux de X et de Y en effectuant la somme des effectifs par colonne
et par ligne :
XY 0 1 2 3
10 0 0 1 1 2
11 2 1 1 0 4
12 1 2 0 0 3
13 1 3 0 0 4
14 2 0 0 0 2
15 1 0 0 0 1
7 6 2 1

Lorsque l’on étudie la loi du couple (X,Y) les distributions de X et de Y sont appelées distributions marginales, la distribution
du couple étant la distribution conjointe.
L’intérêt de la distribution conjointe par rapport aux distributions marginales est de permettre l’étude de la corrélation entre les
deux caractères X et Y, c’est-à-dire de savoir s’il existe un rapport (et éventuellement quel rapport) entre la note au bac et le
nombre de redoublements antérieurs.

1.2 Distributions statistiques à un caractère

1.2.1 Définitions et exemples

Soit X : Ω −→ R une statistique à un caractère.
(i) Cas où X est un caractère quantitatif discret : Posons X(Ω) = {x1 , x2 , ..., xi , ..., xp } avec la convention x1 < x2 <
... < xi < ... < xp . Soit i ∈ {1, 2, ..., p}.
– On appelle effectif de la valeur xi , le cardinal ni de l’ensemble X −1 ({xi }).
X i
– On appelle effectif cumulé en xi , le nombre Ni = nj .
j=1
p
X
– On appelle effectif total de la série statistique (xi , ni ), le nombre N = ni .
i=1
ni
– On appelle fréquence de la valeur xi , le nombre fi = N.

4 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

i
X
– On appelle fréquence cumulée en xi , le nombre Fi = fj .
j=1
– On appelle pourcentage de la valeur xi , le nombre pi = 100fi .
p
(ii) Cas où X est un caractère quantitatif continu : Notons Ii = [xi−1 , xi [ et posons X(Ω) = ∪ Ii avec Ii ∩ Ij = ∅
i=1
pour tout i , j ∈ {1, 2, ..., p} avec i 6= j.
– Chaque intervalle Ii = [xi−1 , xi [, i ∈ {1, 2, ..., p}, est appelé classe.
– On appelle effectif de la classe Ii = [xi−1 , xi [, le cardinal de X −1 (Ii ).
i
– On appelle effectif cumulé en Ii = [xi−1 , xi [, le cardinal de X −1 ( ∪ Ij ).
j=1
xi−1 +xi
– La série statistique (Ii , ni ) est souvent notée (ci , ni ) où ci = 2 désigne le centre de la classe Ii = [xi−1 , xi [.

Exemple 1.4 On donne la répartition des notes obtenues à un partiel :

Note xi 3 7 8 10 12 15 16
Effectif ni 2 6 7 8 4 2 1

Population : Ensembles des étudiants,

Individu : étudiant,
Caractère : la note du partiel,
Type : Quantitatif discret.
En faisant les calculs, on trouve

Note xi 3 7 8 10 12 15 16
Effectif ni 2 6 7 8 4 2 1
Effectif cumulé Ni 2 8 15 23 27 29 N=30
2 6 7 8 4 2 1
Fréquence fi 30 30 30 30 30 30 30
2 8 15 23 27 29
Fréquence cumuléeFi 30 30 30 30 30 30 1
Pourcentage pi 6.66% 20% 23.33% 26.66% 13.33% 6.66% 3.33%

Ainsi, le pourcentage des étudiants qui ont réussi est : p4 + p5 + p6 + p7 = 100 8+4+2+1
30 = 50%.

Exemple 1.5 La répartition des salaires d’une entreprise est la suivante :

Salaire en DH Classe Ii [400,600[ [600,800[ [800,1000[ [1000,1200[

Centre de Ii ci 500 700 900 1100
Effectif ni 20 96 52 17
Effectif cumulé Ni 20 116 168 N=185
20 96 52 17
Fréquence fi 185 185 185 185
20 116 168
Fréquence cumulée Fi 185 185 185 1
Pourcentage pi 10.81% 51.89% 28.11% 9.19%

1.2.2 Présentation des résultats : Représentations graphiques

Lorsque l’on a observé une série statistique, il est souvent souhaitable de présenter les résultats sous forme graphique.
Un tableau statistique, aussi clair soit-il, n’est jamais aussi parlant qu’une représentation graphique, même si par ailleurs il recèle
davantage d’informations. Dans le cas des statistiques, on parlera souvent de diagrammes au lieu de représentation graphique.

Diagramme en batons, histogramme et diagramme en secteurs. Reprenons l’exemple 1.4, le diagramme en batons ci-
dessous (figure 1.1) présente l’effectif en fonction des modalités. L’histogramme ci-dessous (figure 1.2), met en relief l’effectif en
fonction des modalités du caractère dans l’exemple 1.5. Dans un diagramme en secteurs (figure 1.3) (appelé encore camembert),
les effectifs des différentes classes sont représentés par des secteurs d’angles proportionnels aux effectifs. Si on reprend l’exemple
1.5, on peut avoir une représentation sous forme de diagramme en secteurs :

5 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

F IGURE 1.1 – Diagramme en bâtons.

F IGURE 1.2 – Histogramme.

F IGURE 1.3 – Diagramme en secteurs.

1.2.3 Paramètres de position

Appelés également caractéristiques de position ou de tendance centrale, les paramètres de position tentent de donner une
information sur la valeur de la modalité "autour de laquelle se situent les autres modalités" (d’où le terme de tendance "centrale").
Cette notion suppose donc que les modalités constituent un ensemble ordonné, ou pour le moins que la notion de "distance"
entre deux modalités ait un sens.
Il est bien évident que seuls les caractères quantitatifs permettent de donner un sens précis à ces notions intuitives.

Cas d’un caractère quantitatif discret

Une série statistique discrète (xi , ni )i∈{1,2,...,p} est dite ordonnée si i < j ⇒ xi < xj .

Définition 1.1 Soit X = (xi , ni )i∈{1...p} est une série statistique ordonnée discrète.

6 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

1. On appelle mode, toute valeur de la modalité dont l’effectif est maximum.

Autrement dit, le mode de la série statistique est toute modalité xi telle que :

ni = max nj .
j∈{1...p}

2. On appelle moyenne arithmétique de la série statistique, le nombre réel noté X, ou E(X), définit par :
p p
1 X X
X= ni xi , où N = ni .
N i=1 i=1

3. On appelle médiane de la série statistique, toute modalité xi du caractère telle que :

X N X N
nj ≤ et nj ≤ .
2 2
j/xj <xi j/xj >xi

Exemple 1.6 Reprenons l’exemple 1.4,

1. le mode est la modalité x4 = 10.
2. La moyenne arithmétique est X w 9.26.
3. La médiane est la modalité x3 , en effet on a 2 + 6 = 8 ≤ 15 et 8 + 4 + 2 + 1 = 15.

Exemple 1.7 On considère la série statistique suivante :

xi 3 5 6 7 8 9
ni 1 2 1 1 2 3

L’effectif total est N = 10.

– Le mode est : x6 = 9.
– La moyenne arithmétique est X = 6.9.
N N
– La modalité x4 = 7 est une médiane, car 1 + 2 + 1 = 4 ≤ 2 = 5, et 2 + 3 = 2.
– x5 = 8 est aussi une médiane.

Remarque 1.2 Une série statistique peut avoir plus qu’une valeur modale et plus qu’une médiane.

On peut tout de même caractériser la médiane par son effectif cumulé.

Proposition 1.1 Soit (xi , ni )i∈{1,2,...,p} une série statistique discrète ordonnée. La plus petite modalité dont l’effectif cumulé
est supérieur ou égale à la moitié de l’effectif total est une médiane.

Exemple 1.8 Soit la distribution statistique suivante :

xi 2 4 5 7 10 12 16
ni 4 3 4 6 8 3 2
Ni 4 7 11 17 25 28 N=30

– Le mode est : x5 = 10.

– La moyenne arithmétique est : X w 7.66.
– Il est clair que la plus petite modalité dont l’effectif cumulé dépasse la moitié de l’effectif total est x4 = 7. Soit
N4 = 17 ≥ N2 = 15. Ainsi, x4 = 7 est une médiane.

Cas d’un caractère quantitatif continu (distribution groupée) :

Définition 1.2 Soit X = (Ii = [ai−1 , ai [, ni )i∈{1,...,p} une série statistique regroupée en classes.
effectif
1. On appelle classe modale de la série statistique, toute classe dont le rapport est maximum.
largeur de la classe

7 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

2. On appelle moyenne arithmétique de la série statistique, le nombre réel noté X, E(X), définit par
p
1 X
E(X) = ni ci .
N i=1

p
X ai−1 + ai
où N = ni et ci = est le centre de la classe Ii .
i=1
2
3. La médiane d’une série statistique est la valeur M qui sépare les données statistiques en deux parties égales.

Remarque 1.3 Si les largeurs des classes sont toutes égales, une classe modale est une classe dont l’effectif est maximum.

Détermination de la valeur médiane M :

Graphiquement, la valeur médiane M est l’abscisse du point dont l’ordonnée est N2 , où N est l’effectif total de la série statistique.
Notons Ni l’effectif cumulé de la classe Ii = [ai−1 , ai [. Algébriquement, si Ni−1 ≤ N2 ≤ Ni alors M ∈ [ai−1 , ai [.

−−→ −→
Les points A, B et C étant alignés, ainsi on a det(AB, AC) = 0, et nous obtenons alors
N
M − ai−1 − Ni−1
= 2 .
ai − ai−1 Ni − Ni−1

Exemple 1.9 Reprenons l’exemple 1.5,

Salaire en DH Classe Ii [400,600[ [600,800[ [800,1000[ [1000,1200[

Centre de Ii ci 500 700 900 1100
Effectif ni 20 96 52 17
Effectif cumulé Ni 20 116 168 N=185
20 96 52 17
Fréquence fi 185 185 185 185
20 116 168
Fréquence cumulée Fi 185 185 185 1
Pourcentage pi 10.81% 51.89% 28.11% 9.19%

– la classe modale est I2 = [600, 800[.

– La moyenne arithmétique est : E(X) w 771.35.
– La médiane M : N1 = 20 ≤ N2 = 92.5 ≤ N2 = 116 ⇒ M ∈ [600, 800[. Ainsi on a

M − 600 92.5 − 20
= .
800 − 600 116 − 20
Soit M w 751.042.

Exemple 1.10 Un jury a attribué des notes regroupées dans le tableau suivant :

Notes xi [0,5[ [5,8[ [8,12[ [12,15[ [15,20[

Effectifs ni 10 8 12 11 9

8 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Pour chercher les paramètres de position, on doit completer le tableau pour avoir :

Notes xi [0,5[ [5,8[ [8,12[ [12,15[ [15,20[

Effectifs ni 10 8 12 11 9
Effectifs cumulés Ni 10 18 30 41 N=50
Centres ci 2.5 6.5 10 13.5 17.5

– la classe modale est I3 = [8, 12[.

– La moyenne arithmétique est : E(X) = 10.06.
– La médiane M : On a N2 = 18 ≤ N2 = 25 ≤ N3 = 30 ⇒ M ∈ [8, 12[. Alors,

M −8 25 − 18
= .
12 − 8 30 − 18
Soit M w 10.33.

Quantiles d’ordre α (0 < α < 1) :

Définition 1.3 On appelle quantile d’ordre α d’une série statistique (xi , ni )i=1,n , la modalité de cette série pour laquelle
l’effectif cumulé représente le quotient α de l’effectif total.

Ainsi, les quantiles sont donc des nombres qui partagent la série statistique en des parties qui ont toutes "sensiblement" le même
nombre de termes.
On remarque immédiatement que la médiane est un quartile particulier, elle correspond au quantile d’ordre 12 puisque la médiane
désigne la valeur du caractère ayant un effectif cumulé de 50%.
Cas particuliers : quartiles, deciles, centiles.

• Les quartiles sont des valeurs du caractères qui correspondent aux valeurs α = 41 , α = 1
2 et α = 43 .
1. Le premier quartile noté Q1 est la valeur du caractère pour un effectif cumulé de 25% de l’effectif total.
2. Le deuxième quartile noté Q2 est la valeur du caractère pour un effectif cumulé de 50% de l’effectif total, c’est en
fait la médiane.
3. Le troisième quartile noté Q3 est la valeur du caractère pour un effectif cumulé de 75% de l’effectif total.
i ème
• Si α = 10 N avec i ∈ {1, 2, ..., 9} alors on parle du i decile.
i ème
• Si α = 100 N avec i ∈ {1, 2, ..., 99} alors on parle du i centile.

Définition 1.4 L’intervalle interquartile est l’intervalle [Q1 , Q3 ]

L’écart interquartile est le nombre Q3 − Q1 . C’est la largeur de l’intervalle interquartile.

Remarque 1.4 L’intervalle interquartile élimine les valeurs extrêmes, c’est peut être un avantage, mais en revanche il ne
compte que 50% de l’effectif total de la série statistique.

Exemple 1.11 Cas d’une distribution a caractère discret :

On considère la distribution statistique suivante :

xi 7 8 9 10 11 12 13
ni 2 3 7 10 6 2 1
Ni 2 5 12 22 28 30 N = 31

– 14 N = 7.75. Ainsi, le premier quartile est Q1 = 9.

– 21 N = 15.5. Ainsi, le deuxième quartile (la médiane) est Q2 = 10.
– 34 N = 23.25. Ainsi, le troisième quartile est Q3 = 11.
– L’écart interquartile est Q3 − Q1 = 11 − 9 = 2.
1
– 10 N = 3.1. Ainsi, le premier decile est D1 = 8.
4
– 10 N = 12.4. Ainsi, le quatrième decile est D4 = 10.
1
– 100 N = 0.31. Ainsi, le premier centile est C1 = 7.
9
– 100 N = 2.79. Ainsi, le neuvième centile est C9 = 8.

9 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

F IGURE 1.4 – Diagramme en bâtons avec médiane et quartiles.

25
– 100 N = 7.75. Ainsi, le vingt-cinquième centile est C25 = 9.

Exemple 1.12 Cas d’une distribution à caractère continu.

Un test de mémorisation a été effectué auprès de 50 candidats. Le score obtenu est donné par le tableau suivant :

Age des candidats [21,30] [31,40] [41,50] [51,60]

Nombres d’erreurs 5 7 13 25
Effectif cumulé 5 12 25 N=50

– 14 N = 12.5. Ainsi, le premier quartile Q1 ∈ [41, 50].

– 12 N = 25. Ainsi, le deuxième quartile (la médiane) Q2 ∈ [41, 50].
– 34 N = 37.5. Ainsi, le troisième quartile Q3 ∈ [51, 60].
– Calcul des quartiles. Comme pour la médiane, les quartiles se calcul par interpolation.

Na < Ni ≤ Nb b−a
=⇒ Qi = a + ×(Ni − Na )
a < Qi ≤ b Nb − Na

Avec
– Ni l’effectif cumulé correspondant à Qi .
– Na l’effectif cumulé avant la borne inférieure a.
– Nb l’effectif cumulé jusqu’à la borne supérieure b.
50 − 41
– Q1 = 41 + (12.5 − 12) = 41.35.
25 − 12
50 − 41
– Q2 = 41 + (25 − 12) = 50.
25 − 12
60 − 51
– Q3 = 51 + (37.5 − 25) = 55.5.
50 − 25
– L’écart interquartile est Q3 − Q1 = 55.5 − 41.35 = 14.15.

F IGURE 1.5 – Histogramme avec médiane et quartiles.

10 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Proposition 1.2 Soient a, λ ∈ R et X = (xi , ni ) une série statistique. Nous notons X + a la série (xi + a, ni ) et λX la série
(λxi , ni ). Alors
E(X + a) = E(X) + a
et
E(λX) = λE(X).

Remarque 1.5 Les propriétés précédentes expriment, dans le cas de mesures de grandeurs physiques, que la moyenne arith-
métique ne dépend pas ni choix de l’origine ni de l’unité. Ainsi, une moyenne de températures exprimées en degrés Celsius
(Kelvin) sera obtenue en degrés Celsius (Kelvin). Ces propriétés sont également utilisées pour faciliter les calculs et l’entrée des
données dans un programme de calcul. Si nous considérons par exemple la série statistique X donnant la taille d’un échantillon
d’étudiants :
X 163 170 171 175 178 180 181 182 185
ni 1 1 3 1 3 2 1 2 6
on peut considérer la variable X − 180 par exemple. Nous obtenons alors le tableau suivant :

X 163 170 171 175 178 180 181 182 185

X − 180 -17 -10 -9 -5 -2 0 1 2 5
ni 1 1 3 1 3 2 1 2 6

D’où
1 30
E(X − 180) = (−17 − 10 − 27 − 5 − 6 + 0 + 1 + 4 + 30) = − = −1.5.
20 20
Ainsi,
E(X) = 180 − 1.5 = 178.5

1.2.4 Paramètres de dispersion

Dans le paragraphe précédent, nous avons quantifié l’aspect "moyen" d’une série statistique. Il est bien évident que des séries
ayant la même moyenne et la même médiane peuvent être très différemment étalées. Les paramètres de dispersion que nous
allons maintenant définir permettent d’apprécier l’importance de la dispersion d’une série statistique autour de sa moyenne ou
de sa médiane.

Étendue, Écart-moyen, Variance, Écart-type

Définition 1.5 On appelle étendue d’une distribution statistique quantitative X = (xi , ni )i∈{1,2,...,p} la différence entre la plus
grande et la plus petite valeur observée, i.e. max xi − min xi .

Bien que très "primitif", cet indice de dispersion n’est pas à négliger.
p
X
Définition 1.6 Soit X = (xi , ni )i∈{1,2,...,p} une série statistique de moyenne arithmétique X et d’effectif total N = ni .
i=1
1. On appelle écart moyen de la série statistique, le nombre réel positif noté e(X) définit par :
p
1 X
e= ni ×|xi − X|.
N i=1

2. On appelle variance de la série statistique, le nombre réel positif noté V (X) définit par :
p
1 X
V (X) = ni ×(xi − X)2 .
N i=1

3. On appelle écart-type de la série statistique, le nombre réel positif noté σ(X) définit par :
p
σ(X) = V (X).

ai−1 + ai
Si X = Ii = [ai−1 , ai [, ni i∈{1,...,p}
, alors on remplace Ii par ci = dans les définitions ci-dessus.
2

11 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Remarque 1.6 – L’écart moyen et la variance calculent la moyenne des écarts et des carrés des écarts respectivement par
rapport à la moyenne arithmétique.
– L’écart moyen et la variance mesurent la dispersion des valeurs du caractère de la moyenne arithmétique.
– l’introduction de la variance est justifier par le fait qu’elle réalise le minimum de la fonction
p
1 X
g(t) = ni ×(xi − t)2 .
N i=1

En fait
V (X) = min g(t).
t

– La plus part des valeurs du caractère se trouvent dans l’intervalle [X − σ(X), X + σ(X)]. Ainsi, d’autant que σ(X) est
petit d’autant que les valeurs du caractère s’approchent de la moyenne arithmétique de la série statistique. Par conséquent,
l’écart-type σ(X) est le plus signifiant des paramètres des dispersion.

Exemple 1.13 La distribution des notes de mathématiques de deux étudiants A et B durant une année est donnée dans le
tableau suivant :
Notesxi 12 14 15 16 17 18
effectif A 3 1 1 1 3 1
ni B 0 2 6 2 0 0
On calcul
– les moyennes arithmétiques des deux étudiants : X A = X B = 15.
– L’écart moyen de l’étudiant A est : eA = 2 et celui de B est eB = 0.4.
On remarque que eB < eA , cela s’explique par le fait que le travail de l’étudiant B est plus régulier que celui de l’étudiant A.

Proposition 1.3 Soient a, b ∈ R et X une série statistique. On a

2
– V (X) = X 2 − X (Relation de Kœnig-Huyghens).
– V (X + b) = V (X).
– V (aX) = a2 V (X).

Preuve.
–
p p p
1 X 2X X 1 X 2
V (X) = ni x2i − ni xi + ni X
N i=1 N i=1 N i=1
p
1 X 2
= ni x2i − X .
N i=1
–
2
V (X + b) = (X + b)2 − X + b
= X 2 + 2bX + b2 − (X − b)2
2
= X 2 + 2bX + b2 − X − 2bX − b2
2
= X2 − X
= V (X).
–
2
V (aX) = (aX)2 − aX
2
= a2 X 2 − a2 X
2
= a2 X 2 − a2 X
= a2 V (X).

12 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Exemple 1.14 Reprenons l’exemple 1.13. Pour l’étudiant A on a le tableau suivant :

1
P P
Notes xi 12 14 15 16 17 18 N
Effectifs ni 3 1 1 1 3 1
Effectifs cumulés Ni 3 4 5 6 9 N=10
ni xi 36 14 15 16 51 18 150 X A = 15
|xi − X| 3 1 0 1 2 3
ni |xi − X| 9 1 0 1 6 3 20 eA = 2
(xi − X)2 9 1 0 1 4 9
ni (xi − X)2 27 1 0 1 12 9 50 VA = 5 σA = 2.23

Pour l’étudiant B on a le tableau :

1
P P
Notes xi 12 14 15 16 17 18 N
Effectifs ni 0 2 6 2 0 0
Effectifs cumulés Ni 0 2 8 10 10 N=10
ni xi 0 28 90 32 0 0 150 X B = 15
|xi − X| 3 1 0 1 2 3
ni |xi − X| 0 2 0 2 0 0 4 eB = 0.4
(xi − X)2 9 1 0 1 4 9
ni (xi − X)2 0 2 0 2 0 0 4 VB = 0.4 σB = 0.63

On voit que σB < 1 ce qui s’explique par le fait que les notes de l’étudiant B sont concentrées autour de la moyenne arithmétique.
Ceci dit, le travail de l’étudiant B est régulier.

Exemple 1.15 Reprenons l’exemple 1.10 :

1
P P
Notes Ii [0,5[ [5,8[ [8,12[ [12,15[ [15,20[ N
Effectifs ni 10 8 12 11 9
Effectifs cumulés Ni 10 18 30 41 N=50
Centres ci 2.5 6.5 10 13.5 17.5
ni ci 25 52 120 148.5 157.5 503 X = 10.06
|ci − X| 7.56 3.56 0.06 3.44 7.44
ni |ci − X| 75.6 28.48 0.72 37.84 66.96 209.6 e = 4.192
(ci − X)2 57.15 12.67 0.0036 11.83 55.35
ni (ci − X)2 571.5 101.36 0.0432 130.13 498.15 1301.18 V = 26.02 σ = 5.1

1.3 Distributions statistiques à deux caractères

Les séries statistiques présentées au cours du premier paragraphe sont, le plus souvent, obtenues par dépouillement d’une
enquête. Il est bien évident (pour de simples raisons économiques) que de nombreuses questions sont posées au cours d’une
même enquête. Les différentes réponses sont regroupées sur une même fiche pour chaque individu sondé. Il est donc possible
d’en extraire, non seulement la distribution des réponses à chaque question proposée, mais également la distribution des réponses
à un couple (ou un triplet, ...) de questions. Le problème posé est alors de savoir s’il existe globalement une relation entre les
réponses aux différentes questions. Le statisticien parle dans ce cas de corrélation entre les réponses. Le but de ce paragraphe est
l’étude de cette notion de corrélation dans le cas de deux questions et, le cas échéant, de déterminer cette relation.

1.3.1 Définitions et exemples

Soit une population finie Ω dont chaque élément présente deux caractères X et Y.

Définition 1.7 On appelle série statistique double sur Ω, toute application

→
−
C : Ω −→ R2
→
−
w 7−→ C (w) := (X(w), Y (w))

13 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

qui associe à chaque individu w de Ω, le couple de modalités (X(w), Y (w)).

→
−
Par abus, on note C = (X, Y ) la série statistique double.

Exemple 1.16 – À chaque individu, on associe son poids (X) et sa taille (Y ).

– À chaque voiture, on associe sa marque (X) et sa couleur (Y ).

La population Ω étant finie, il en est de même des ensembles X(Ω) et Y (Ω). Ainsi, nous écrivons X(Ω) = {x1 , x2 , ..., xn } et
Y (Ω) = {y1 , y2 , ..., yp } en supposant que l’on a x1 < x2 < ... < xn et y1 < y2 < ... < yp .
→
−
Définition 1.8 Soit C = (X, Y ) une série statistique double.
– On appelle effectif du couple (xi , yj ) pour (i, j) ∈ {1, 2, ..., n} × {1, 2, ..., p} le nombre nij défini par
n →
− o
nij = Card w ∈ Ω/ C (w) = (xi , yj ) .

p
n X
X
– Card(Ω) = nij s’appelle l’effectif total de la série, nous le noterons N.
i=1 j=1
– On appelle effectif associé à la modalité xi (resp. yj ) de la variable X (resp. Y ) le nombre noté ni· (resp. n·j ) défini par
p
X  n
X 
ni• = nij resp. n•j = nij .
j=1 i=1

– La famille (xi , ni• )i∈{1,2,...,n} s’appelle première série marginale.

– La famille (yj , n•j )j∈{1,2,...,p} s’appelle deuxième série marginale.
→
−
– La famille ((xi , yj ), nij )(i,j)∈{1,2,...,n}×{1,2,...,p} s’appelle série statistique double discrète associée à la statistique C .
– Pour j ∈ {1, 2, ..., p} fixé, la famille (xi , nij )i∈{1,2,...,n} s’appelle série statistique conditionnelle de X sachant que le
second caractère Y vaut yj , on la note X/Y =yj .
– Pour i ∈ {1, 2, ..., n} fixé, la famille (yj , nij )j∈{1,2,...,p} s’appelle série statistique conditionnelle de Y sachant que le
premier caractère X vaut xi , on la note Y/X=xi .
n X p
n
X
– Le nombre fij = Nij est appelé fréquence du couple (xi , yj ) ou fréquence conjointe, de plus on a fij = 1.
i=1 j=1
ni• n•j
– Les nombres fi• = N et f•j = N sont appelés fréquences marginales.

Remarque 1.7 Il est facile de déterminer les séries statistiques marginales d’une série double. En fait ni• n’est autre que la
somme des éléments de ième ligne du tableau représentant le couple. Il suffit donc d’ajouter une colonne à droite de ce tableau
pour y placer ces sommes. De même n•j s’obtient en faisant la somme des éléments de la j ème colonne, on ajoutera donc de la
même façon une ligne au tableau. D’ou le nom de séries "marginales".

Si l’effectif totale est grand et si l’un et/ou l’autre des caractères prend un grand nombre de valeurs, on peut être ramené à
regrouper les valeurs de l’un et/ou de l’autre des caractères par intervalles. On peut définir ainsi des séries statistiques doubles
regroupées ou semi-regroupées.
Si la population Ω comporte peu d’éléments, on présente généralement une statistique à deux caractères à l’aide d’un tableau à 3
lignes obtenu en plaçant en colonne l’individu w et les valeurs des caractères X(w) et Y (w).

Exemple 1.17 La statistique suivante donne pour chaque pays les taux de chômage et d’inflation correspondant à l’année
2010 :
pays Allemagne Belgique France Italie Luxemburg Pays-Bas
Chômage X 7.1 8.7 9.8 8.7 5.8 4.2
Inflation Y 1.3 2.0 1.6 1.6 2.3 1.3
La série statistique associé s’obtient simplement en oubliant la première ligne de ce tableau.

Par contre, si la population Ω a un effectif total assez grand, il est commode de présenter la série statistique double sous la forme
d’un tableau à n lignes et p colonnes obtenu en plaçant l’effectif nij de (xi , yj ) à l’intersection de la ième ligne et de la j ème
colonne de ce tableau.

14 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Exemple 1.18 On reprend l’exemple 1.3

XY 0 1 2 3 ni•
10 0 0 1 1 2
11 2 1 1 0 4
12 1 2 0 0 3
13 1 3 0 0 4
14 2 0 0 0 2
15 1 0 0 0 1
n•j 7 6 2 1 N = 16

On peut représenter une série statistique à caractères doubles à l’aide de bâtons verticaux dans l’espace R3 qui s’appuient sur le
point (xi , yj , 0) du plan horizontal et dont la hauteur est proportionnelle à l’effectif nij correspondant. Dans le cas de séries
statistique groupées, on construirai de même des parallélépipèdes rectangles dont le volume serait proportionnel à l’effectif ou à
la fréquence correspondante. Ces représentations ont le désavantage de demander des documents en trois dimensions.
On préfère souvent représenter une série statistique à deux caractères par un nuage de points dans le plan R2 obtenu en affectant
à chaque point de coordonnée (xi , yj ) le poids nij indiqué entre parenthèse (dans le cas de séries groupées on remplace un
rectangle par son centre). Ainsi, la figure 1.4 représente les données du tableau de l’exemple 1.3 (les points de poids nul ne sont

F IGURE 1.6 – Exemple 1.3.

pas représentés).

1.3.2 Distributions marginales

Les effectifs marginaux ni• (ou n•j ) définissent une distribution marginale selon le caractère X (ou Y ) seul.

Caractéristiques marginales

La moyenne marginale en X est

n n
1 X X
X= ni• xi = fi• xi .
N i=1 i=1

La variance en X est
n n n
1 X h1 X i 2 X 2
V (X) = ni• (xi − X)2 = ni• x2i − X = fi• x2i − X .
N i=1 N i=1 i=1

L’écart-type est p
σX = V (X).
La moyenne marginale en Y est
p p
1 X X
Y = n•j yj = f•j yj .
N j=1 j=1

15 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

La variance en Y est
p p p
1 X 2
h1 X
2
i 2 X 2
V (Y ) = n•j (yj − Y ) = n•j yj − Y = f•j yj2 − Y .
N j=1 N j=1 j=1

L’écart-type est p
σY = V (Y ).

Définition 1.9 On appelle covariance du couple (X, Y ) et on note cov(X, Y ) (ou σxy ) la moyenne de (X − X)(Y − Y )
c’est-à-dire
n p
1 XX
cov(X, Y ) = nij (xi − X)(yj − Y )
N i=1 j=1
1 X n X p 
= nij xi yj − X Y .
N i=1 j=1

Propriété 1.1 Soit (X, Y ) une statistique double et soit a, b deux réels. Alors on a :
– cov(X, Y ) = cov(Y, X) (Symétrie de la covariance).
– cov(a·X + b, Y ) = a·cov(X, Y ) (Linéarité par rapport à X).
– cov(X, a·Y + b) = a·cov(X, Y ) (Linéarité par rapport à Y ).

Remarque 1.8 – La covariance peut prendre des valeurs positives, négatives ou nulles.
– Si X = Y alors cov(X, Y ) = V (X).

1.3.3 Fréquences conditionnelles, distributions conditionnelles, indépendance

Soit ((xi , yj ), nij )(i,j)∈{1,2,...,n}×{1,2,...,p} une série statistique double.

X p
n X n
X p
X
N= nij = ni• = n•j , l’effectif total.
i=1 j=1 i=1 j=1

nij
fij = , la fréquence du couple (xi , yj ).
N
p
X
ni• = nij , étant l’effectif marginal de xi .
j=1
n
X
n•j = nij , étant l’effectif marginal de yj .
i=1
ni•
fi• = , la fréquence marginale de xi .
N
n•j
f•j = , la fréquence marginale de yj .
N

Définition 1.10 – On appelle fréquence conditionnelle de xi sachant yj , le nombre

nij fij
fi/j = = .
n•j f•j

– On appelle fréquence conditionnelle de yj sachant xi , le nombre

nij fij
fj/i = = .
ni• fi•

– La distribution (xi , fi/j )i∈{1,2,...,n} est appelée la distribution conditionnelle des fréquences de X sachant que Y = yj .
– La distribution (yj , fj/i )j∈{1,2,...,p} est appelée la distribution conditionnelle des fréquences de Y sachant que X = xi .

16 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Ainsi, on remarque qu’on a :

fij = fi/j ×f•j = fj/i ×fi• .

Définition 1.11 On dit que les caractères observés X et Y sont statistiquement indépendants si et seulement si

∀(i, j) ∈ {1, 2, ..., n} × {1, 2, ..., p} : fij = fi• ×f•j .

Autrement dit, si :
fi/j = fi• = f•j .

1.3.4 Coefficient de corrélation

Étudier la corrélation entre deux (ou plusieurs) variables statistiques, c’est étudier l’intensité de la liaison qui peut exister
entre ces deux (ou plusieurs) variables. Lorsque le graphe montre une relation entre les mesures, on peut quantifier cette relation
à l’aide d’un coefficient de corrélation. Si la liaison recherchée est une relation affine, on utilise le coefficient de corrélation
linéaire.

Définition 1.12 Soient X et Y deux caractères tels que σX 6= 0 et σY 6= 0. On appelle coefficient de corrélation linéaire, le
nombre réel
cov(X, Y )
ρ(X, Y ) = .
σX ×σY

Proposition 1.4 Si X et Y sont deux caractères tels que σX 6= 0 et σY 6= 0, alors on a :

−1 ≤ ρ(X, Y ) ≤ 1.

Avant de donner la démonstration, nous rappelons l’inégalité suivante :

Théorème 1.1 Inégalité de Cauchy-Schwarz

Si a1 , a2 , ..., an et b1 , b2 , ..., bn sont des nombres réels, alors on a
n
X 2 n
X n
 X 
ai bi ≤ a2i b2i .
i=1 i=1 i=1

Preuve.(de la proposition 1.3) En appliquant l’inégalité de Cauchy-Schwartz à double reprise, on a

p
n X p
n X
X X √ √
nij (xi − X)(yj − Y ) = nij (xi − X) nij (yj − Y )
i=1 j=1 i=1 j=1
X p
n hX p
i 12 h X i 12
≤ nij (xi − X)2 nij (yj − Y )2
i=1 j=1 j=1
hX p
n X p
n X
i 12 h X i 21
2
≤ nij (xi − X) nij (yj − Y )2
i=1 j=1 i=1 j=1
n
hX p
i 12 h X i 12
= ni• (xi − X)2 n•j (yj − Y )2 .
i=1 j=1

hX p
n X n
i2  X p
 X 
nij (xi − X)(yj − Y ) − ni• (xi − X)2 n•j (yj − Y )2
i=1 j=1 i=1 j=1
Par conséquent, ρ(X, Y )2 − 1 = n
X p
 X  ≤ 0.
2 2
ni• (xi − X) n•j (yj − Y )
i=1 j=1
D’où
|ρ(X, Y )| ≤ 1.

Remarque 1.9 L’égalité ρ(X, Y ) = ±1 a eu lieu si et seulement si il existe a ∈ R r {0}, et b ∈ R tels que Y = a·X + b.

17 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Si ρ(X, Y ) = 1 alors l’une des variables est fonction affine croissante de l’autre variable et si ρ(X, Y ) = −1 alors la fonction
affine est décroissante. Les valeurs intermédiaires renseignent sur le degré de dépendance linéaire entre les deux variables. Plus
le coefficient est proche des valeurs extrêmes −1 et 1, plus la corrélation entre les variables est forte. On emploie l’expression
fortement corrélées pour qualifier une telle corrélation.
Une corrélation égale à 0 signifie que les variables sont linéairement indépendant.

Exemple 1.19 Soit ((xi , yi ), 1)i∈{1,2,...,n} une série statistique double.

– Si ∀i ∈ {1, 2, ..., n} : xi = 3yi , alors
n n
1 X 1 X
X = xi = 3yi = 3Y .
N i=1 N i=1
n n
1 X 1 X
V (X) = (xi − X)2 = 9 (yi − Y )2 = 9V (Y ).
N i=1 N i=1
n n
1 X 1 X
cov(X, Y ) = (xi − X)(yi − Y ) = 3 (yi − Y )2 = 3V (Y ).
N i=1 N i=1
cov(X, Y ) 3V (Y )
ρ(X, Y ) = p p =p p = 1.
V (X) V (Y ) 9V (Y ) V (Y )

– Si ∀i ∈ {1, 2, ..., n} : xi = −2yi , alors de la même manière on trouve

ρ(X, Y ) = −1.

Exercice 1.1 Déterminer le coefficient de corrélation de la série statistique (10, 30), (20, 60), (30, 90), (40, 120), (50, 150),
(60, 180).

Solution: L’effectif total est N = 6.

1
X = (10 + 20 + 30 + 40 + 50 + 60) = 35.
6
1
Y = (30 + 60 + 90 + 120 + 150 + 180) = 105.
6
1
V (X) = ((10 − 35)2 + (20 − 35)2 + (30 − 35)2 + (40 − 35)2 + (50 − 35)2 + (60 − 35)2 )
6
1
= (625 + 225 + 25 + 25 + 225 + 625) = 291.66.
6
p
σX = V (X) ' 17.07.
1
V (Y ) = ((30 − 105)2 + (60 − 105)2 + (90 − 105)2 + (120 − 105)2 + (150 − 105)2
6
+(180 − 105)2 )
1
= (5625 + 2025 + 225 + 225 + 2025 + 5625) = 2625.
6
p
σY = V (Y ) ' 51.23.
1X
cov(X, Y ) = (xi − X)(yi − Y )
6
1
= ((10 − 35)(30 − 105) + (20 − 35)(60 − 105) + (30 − 35)(90 − 105)
6
+(40 − 35)(120 − 105) + (50 − 35)(150 − 105) + (60 − 35)(180 − 105))
1
= (1875 + 675 + 75 + 75 + 675 + 1875)
6
= 875.
cov(X, Y ) 875
ρ(X, Y ) = = = 1.
σX ×σY 17.07×51.23
On voit que le coefficient de corrélation est 1, ce qui explique que les variables sont fortement corrélées.

18 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Remarque 1.10 Le coefficient de corrélation n’est pas sensible aux unités de chacune des variables. Ainsi, par exemple le
coefficient de corrélation linéaire entre l’âge et le poids d’un individu sera identique que l’âge soit mesuré en semaine, en mois
ou en année(s). Cependant, il est très sensible à la présence des valeurs aberrantes et/ou extrêmes dans l’ensemble des données
(valeurs très éloignées de la majorité des autres, pouvant être considérées comme des exceptions).

Remarque 1.11 Il ne faut pas croire qu’un coefficient de corrélation élevé induit une relation de causalité entre les deux
caractères mesurés. En réalité, les deux caractères peuvent être corrélés à un même phénomène-source : un troisième caractère
non mesuré et dont dépendent les deux autres. Par exemple : le nombre de coups de soleil observés dans une station balnéaire
est fortement corrélé au nombre de lunette de soleil vendues, mais aucun des deux caractères n’est bien sûr la cause de l’autre.

19 El Houssine Azroul
 CHAPITRE 2

Ajustement linéaire

2.1 Introduction
Dans le domaine des sciences appliquées, on observe fréquemment des phénomènes tels qu’il est possible de supposer
l’existence d’une liaison entre deux variables. Par exemple :
- les dépenses annuelles d’un ménage sont fonction des revenus de la famille.
- la durée de vie d’une ampoule électrique peut être liée à son rendement énergétique.
Supposons qu’on a une population de taille (effectif total) N, telle que pour chaque individu on observe deux caractères différents
X et Y. Le problème qui se pose consiste à chercher une relation entre les deux caractères observés X et Y. A chaque élément i,
1 ≤ i ≤ N, de la population on associe un couple de valeurs (xi , yi ) qu’on représente graphiquement par un point Mi (xi , yi )
du plan. Ainsi, on obtient un nuage de points qui constitue ce qu’on appelle le diagramme de dispersion.
Ajuster un ensemble de points, c’est déterminer une courbe simple (C) aussi proche que possible des points Mi (xi , yi ). La
courbe (C) peut être une parabole, une droite ou peut représentée une fonction exponentielle. On parle d’ajustement linéaire
lorsque la courbe (C) est une droite.

Définition 2.1 On dit qu’il y a corrélation linéaire entre deux variables observées sur les éléments d’une population si les
variations de ces deux variables se produisent dans le même sens (corrélation positive) ou en sens contraires (corrélation
négative).

2.2 Alignement statistique

→
− →
−
Soit C : Ω → R2 w → C (w) = (X(w), Y (w)) une statistique double. Nous supposons d’abord dans ce paragraphe que
→
−
C soit une application injective, c’est-à-dire que les couples de valeurs des caractères associés à deux individus distincts soient
→
−
distincts. On peut donc représenter C = (X, Y ) par la série statistique ((xi , yi ), 1)i∈{1,2,...,n} observés sur une population de
taille n. La moyenne en X est
n
1X
X = xi .
n i=1
La variance en X est
n n
1X h1 X i 2
V (X) = (xi − X)2 = x2i − X .
n i=1 n i=1
L’écart-type est p
σX = V (X).

20
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

La moyenne en Y est
n
1X
Y = yi .
n i=1
La variance en Y est
n n
1X h1 X i 2
V (Y ) = (yi − Y )2 = yi2 − Y .
n i=1 n i=1
L’écart-type est p
σY = V (Y ).
La covariance est
n n
1X 1X
cov(X, Y ) = (xi − X)(yi − Y ) = xi yi − X Y .
n i=1 n i=1

Définition 2.2 On appelle coefficient de corrélation de la série statistique double ((xi , yi ), 1)i∈{1,2,...,n} le nombre réel
n
X
(xi − X)(yi − Y )
cov(X, Y ) i=1
ρ(X, Y ) = =v v .
σX ×σY u n
uX uX n
t (xi − X)2 t (yi − Y )2
u

i=1 i=1

Remarque 2.1 −1 ≤ ρ(X, Y ) ≤ 1.

Le coefficient de corrélation linéaire ρ(X, Y ) mesure la dépendance linéaire entre deux variables :
– Si le coefficient de corrélation est positif (i.e. 0 < ρ(X, Y ) < 1), la corrélation est positive (X et Y varient dans le même
sens). Si ρ(X, Y ) = 1 alors la corrélation est parfaite, dans ce cas Y = aX + b avec a > 0.
– Si le coefficient de corrélation est négatif (i.e. −1 < ρ(X, Y ) < 0), la corrélation est négative (X et Y varient dans des
sens contraires). Si ρ(X, Y ) = −1 alors la corrélation est parfaite, et dans ce cas Y = aX + b avec a < 0.
– Pour éviter les problèmes de signe, on considère souvent ρ(X, Y )2 appelé coefficient de détermination. Le coefficient de
corrélation définit dans la définition 2.2 est appelé coefficient de corrélation de Pearson 1 .
– Si les variables X et Y sont indépendantes alors ρ(X, Y ) = 0.
– Si le coefficient de corrélation est nul ou proche de zéro, il n’y a pas de dépendance linéaire (variables linéairement
indépendantes). On peut cependant avoir une dépendance non-linéaire avec un coefficient de corrélation nul (variables
Gaussiennes).
Le coefficient de corrélation linéaire ne mesure pas une relation de cause à effet entre deux variables. En effet, deux variables
peuvent être corrélées sans que les variations d’une variable entraînent les variations de l’autre ; cela signifie seulement que les
variations des deux variables sont dues à une même cause commune extérieure. Un été particulièrement chaud peut entraîner
une augmentation de la vente des crèmes solaires et des crèmes glacées sans qu’il existe une relation entre la vente de ces deux
produits. Il faut toujours être très prudent dans l’interprétation des résultats d’une analyse de corrélation ou de régression.

F IGURE 2.1 – Forte corrélation "positive."

1. Karl Pearson, Anglais, (1857-1936).

21 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

F IGURE 2.2 – Pas de corrélation linéaire mais liaison parabolique.

F IGURE 2.3 – Faible corrélation : liaison exponentielle.

F IGURE 2.4 – Pas de corrélation : Variables indépendantes.

Remarque 2.2 Importante.

Il convient de prêter une attention toute particulière aux unités choisies pour construire le nuage. En effect, une unité trop petite
sur l’un et/ou sur l’autre des axes écrase ce nuage et peut laisser croire à un alignement qui n’a pas de sens statistique. Il faut
donc faire en sorte que celui-ci remplisse au mieux la figure, quitte pour cela à effectuer sur l’un et/ou sur l’autre des axes un
changement d’origine et/ou d’unité.

2.2.1 Méthode des moindres carrés

La méthode graphique d’ajustement est bien évidemment empirique et subjective. On se limite au cas de l’ajustement linéaire,
c’est-à-dire lorsque les deux caractères X et Y observés sur une même population semblent être liés par une droite. Même dans
le cas d’un phénomène linéaire, une détermination graphique de la droite d’ajustement (droite approximant "au mieux" le nuage
de points) mènera à des résultats différents selon les opérateurs. Il est donc indispensable de définir rigoureusement la notion de
courbe d’ajustement, de telle sorte qu’il n’y ait qu’une seule réponse possible.
Soit Mi (xi , yi ), i ∈ {1, 2, ..., n}, un nuage de points et soit (D) la droite d’équation y = ax + b. Notons Hi la projection de

22 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Mi sur la droite (D) parallèlement à l’axe (Oy). Posons :

n
X
δ(a, b) = (Mi Hi )2 .
i=1

Nous allons montrer qu’il existe une unique droite rendant minimale la somme δ(a, b).

F IGURE 2.5 –

Définition 2.3 On appelle droite des moindres carrés de Y en X, ou également droite de régression de Y en X, l’unique
droite rendant minimale la somme δ(a, b).

Remarque 2.3 A ne pas croire qu’il s’agit de la somme des carrés des distances des points Mi à la droite (D).

Comme le point Mi a pour coordonnées (xi , yi ), le point Hi a pour coordonnées (xi , axi + b). Par conséquent :
n
X
δ(a, b) = (yi − axi − b)2 .
i=1

Ainsi, il s’agit de trouver les deux réels a et b tels que la somme δ(a, b) soit minimale. Pour cela, nous donnons deux méthodes.
1ère méthode : Utilisation de la dérivée.
Il suffit d’annuler les dérivées partielles de δ(a, b) par rapport à a et à b.
 n
 ∂δ (a, b) =
X
(−2xi )(yi − axi − b) = 0,

 ∂a

i=1
n
 ∂δ X

 (a, b) = (−2)(yi − axi − b) = 0,
∂b

i=1

n
 X n
X n
X
2
x y − a x − b xi = 0,

i i

 i

i=1 i=1 i=1
n
X n
X



 yi − a xi − bn = 0,
i=1 i=1
 n n
X X
xi yi − a x2i − bnX = 0,


 i=1 i=1
Y − aX − b = 0.


En multipliant les deux termes de la 1ère équation par n1 et les deux termes de la 2ème équation par −X, nous obtenons le
système suivant :
n n

 1X 1X 2
 xi yi − a x − bX = 0, (1)
n i=1 i

n i=1

 2
−X Y + aX + bX = 0. (2)


23 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

En faisant la somme terme à terme des deux équations (1) et (2), on obtient
n n
1X 1 X 
xi yi − a x2i − X = 0.
n i=1 n i=1

Soit
cov(X, Y ) − aV (X) = 0.
Ainsi,
cov(X, Y )
a= .
V (X)
De l’équation (2) on tire
b = Y − aX.
2ème méthode : technique du trinôme.
Nous allons écrire δ(a, b) sous la forme d’une somme de carrés, en l’écrivant sous forme d’un trinôme en b puis en le mettant
sous sa forme canonique, ensuite sous forme d’un trinôme en a et en le mettant sous sa forme canonique tout en faisant apparaître
les paramètres de position et de dispersion.
n
X
δ(a, b) = (yi − axi − b)2
i=1
n h
X i
= b2 − 2b(yi − axi ) + (yi − axi )2
i=1
n
X n
X
= nb2 − 2b (yi − axi ) + (yi − axi )2
i=1 i=1
n 
X 
2
= nb − 2nb(Y − aX) + yi2 − 2axi yi + a2 x2i
i=1
 2 n 
X 
2
= n(b − (Y − aX)) − n Y − aX + yi2 − 2axi yi + a2 x2i
i=1
 2 n n n
2 2 X X X
= n b − (Y − aX) − nY + 2naX Y − na2 X + yi2 − 2a xi yi + a2 x2i
i=1 i=1 i=1
 2 1 Xn  1 Xn  1 Xn 
2 2
= n b − (Y − aX) + na2 x2i − X − 2na xi yi − X Y + n yi2 − Y
n i=1 n i=1 n i=1
h 2 i
= n b − (Y − aX) + a2 V (X) − 2a cov(X, Y ) + V (Y )
h 2  p cov(X, Y ) 2 V (X)V (Y ) − cov(X, Y )2 i
= n b − (Y − aX) + a V (X) − p + .
V (X) V (X)

Ainsi, la somme δ(a, b) est minimale si et seulement si

cov(X, Y )
a=
V (X)
et
b = Y − aX.

Proposition 2.1 La droite des moindres carrés (de régression) de Y en X, notée (DY /X ), est la droite d’équation y = ax + b
avec
cov(X, Y )
a=
V (X)
et
b = Y − aX.
Cette dernière relation exprime le fait que la droite d’ajustement passe par le point de coordonnées (X, Y ), c’est-à-dire par le
barycentre (le point moyen) des points du nuage.

24 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Remarque 2.4 La somme δ(a, b) étant positive, ainsi le minimum

V (X)V (Y ) − cov(X, Y )2
min 2 δ(a, b) = n ≥ 0.
(a,b)∈R V (X)

Par conséquent, on retrouve l’inégalité V (X)V (Y ) − cov(X, Y )2 ≥ 0, c’est-à-dire ρ(X, Y )2 ≤ 1.

L’égalité a eu lieu si et seulement si les points sont alignés.

On admet généralement qu’un coefficient de corrélation |ρ(X, Y )| ≥ 0.75 justifie la recherche d’un alignement statistique, en
l’absence de renseignements complémentaires.

Remarque 2.5 On remarque que la droite des moindres carrés de Y en X a aussi pour équation :

(DY /X ) : y − Y = a(x − X).

On définit de même la droite de régression de X en Y notée par (DX/Y ).

cov(X, Y )
(DX/Y ) : x − X = α(y − Y ) où α = .
V (Y )

La droite (DX/Y ) passe aussi par le point de coordonnées (X, Y ).

2.2.2 Généralisation
→
−
Les calculs et les résultats précédents se généralisent aisément au cas où la statistique double C n’est pas injective. Ainsi, on
regroupe les individus ayant le même couple de valeurs du caractère (xi , yj ), (i, j) ∈ {1, 2, ..., n}×{1, 2, ..., p}. Par suite les
paramètres précédents deviennent :
n
1 X
X = ni• xi .
N i=1
n n
1 X h1 X i 2
V (X) = ni• (xi − X)2 = ni• x2i − X .
N i=1 N i=1
p
1 X
Y = n•j yj .
N j=1
p p
1 X h1 X i 2
V (Y ) = n•j (yj − Y )2 = n•j yj2 − Y .
N j=1 N j=1
n p
1 XX
cov(X, Y ) = nij (xi − X)(yj − Y )
N i=1 j=1
1 X n X p 
= nij xi yj − X Y .
N i=1 j=1

cov(X, Y )
Définition 2.4 - La droite d’équation (DY /X ) : y = ax + b avec a = et b = Y − aX, s’appelle droite de
V (X)
régression de Y en X.
cov(X, Y )
- La droite d’équation (DX/Y ) : x = αy + β avec α = et β = X − αY , s’appelle droite de régression de X en
V (Y )
Y.

Remarque 2.6 Les deux droites (DY /X ) et (DX/Y ) passent par le même point de coordonnées (X, Y ).

Exemple 2.1 Soit à chercher l’équation de la droite de régression de Y en X associée à la série statistique suivante :
(1, 1), (2, 12), (3, 75), (4, 145), (5, 199), (6, 256), (7, 343).

25 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

Solution:

XY 1 12 75 145 199 256 343 ni• ni• xi xi − X (xi − X)2

1 1 0 0 0 0 0 0 1 1 -3 9

2 0 1 0 0 0 0 0 1 2 -2 4

3 0 0 1 0 0 0 0 1 3 -1 1

4 0 0 0 1 0 0 0 1 4 0 0

5 0 0 0 0 1 0 0 1 5 1 1

6 0 0 0 0 0 1 0 1 6 2 4

7 0 0 0 0 0 0 1 1 7 3 9

P
n•i 1 1 1 1 1 1 1 N = 7 X = 4 = 28

n•i yi 1 12 75 145 199 256 343 Y = 147.286 V (X) = 4

yi − Y −146.286 −135.286 −72.286 −2.286 51.714 108.714 195.714 σX = 2

P
(xi − X)(yi − Y ) 438.857 270.571 72.286 0 51.714 217.429 587.143 = 1638 cov(X, Y ) = 234

Par suite
cov(X, Y ) 234
a= = = 58.5 et b = Y − aX = 147.286 − 234 = −86.714.
V (X) 4
Ainsi, la droite de régression de Y en X a pour équation :

(DY /X ) : y = 58.5x − 86.714.

Exemple 2.2 La répartition de 100 étudiants selon leurs résultats en Mathématiques (X) et en Biologie (Y ) à donnée les
résultats suivants :

XY 7 11 12 15
2 9 2 1 0
6 7 27 4 1
8 1 3 15 4
12 0 0 4 17
14 0 1 2 2
On se propose de déterminer l’équation de la droite de régression de Y en X.

Solution:

XY 7 11 12 15 ni• ni• xi xi − X (xi − X)2 ni• (xi − X)2

2 9 2 1 0 12 108 -6.48 41.99 503.88

6 7 27 4 1 39 234 -2.48 6.15 239.85

8 1 3 15 4 23 184 -0.48 0.23 5.29

12 0 0 4 17 21 252 3.52 10.24 215.04

14 0 1 2 2 5 70 5.52 30.47 152.35

P
n•j 17 33 26 24 N = 100 X = 8.48 = 1116.41

n•j yj 119 363 312 360 Y = 11.54

yj − Y -4.54 -0.54 0.46 3.46

(yj − Y )2 20.61 0.29 0.21 11.97

n•j (yj − Y )2
P
350.37 9.57 5.46 287.28 = 652.68
X5
nij (xi − X) -76.16 -75.84 1.52 66.48
i=1
5
X P
(yj − Y ) nij (xi − X) 345.76 40.95 0.69 230.02 = 617.42
i=1

• Moyennes marginales : X = 8.48, Y = 11.54.

• Variances : V (X) =p11.1641, V (Y ) = 6.5268.
p
• Écart-types : σX = V (X) = 3.34, σY = V (Y ) = 2.55.
• Covariance : cov(X, Y ) = 6.1742.

26 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

cov(X, Y )
• Coefficient de corrélation linéaire : ρ(X, Y ) = ' 0.72.
σX ×σY
cov(X, Y )
• Droite de régression de Y en X : a = ' 0.55, b ' 6.876. Ainsi, l’équation de la droite est :
V (X)
(DY /X ) : y = 0.55x + 6.876.

2.2.3 Exercices
Exercice 2.1 On cherche s’il existe une relation entre la température et le nombre de glaces vendues. Les informations sont
données par le tableau suivant :

Température (Celcius) 21 17 24 25 13
Nbr de glaces vendues 25 20 30 35 10

1. Calculer le coefficient de corrélation. Peut-on penser qu’il existe une relation entre les deux variables ?
2. Calculer l’équation de la droite de régression.
3. Quel serait alors le nombre de glaces vendues s’il faisait 30 degrés ?
4. Pour quelle température vendrait-on 40 glaces ?

Solution: Soit Y le nombre de glaces vendues au moment où règne une température X. Les données ont été collectées en cinq
prises. L’effectif total est donc N = 5. Ainsi, on a le tableau suivant :

Température (Celcius) X 21 17 24 25 13 X = 20
Nbr de glaces vendues Y 25 20 30 35 10 Y = 24
xi − X 1 -3 4 5 -7
(xi − X)2
P
1 9 16 25 49 = 100 V (X) = 20 σX ' 4.47
yi − Y 1 -4 6 11 -14
(yi − Y )2
P
1 16 36 121 196 = 370 V (Y ) = 74 σY ' 8.6
P
(xi − X)(yi − Y ) 1 12 24 55 98 = 190 cov(X, Y ) = 38

1. Le coefficient de corrélation :
cov(X, Y ) 38
ρ(X, Y ) = = ' 0.988.
σX ×σY 8.6×4.47
La valeur de ρ(X, Y ) montre que les variables sont fortement corrélées.
2. La droite de régression (DY /X ) qui lie Y à X a pour équation (DY /X ) : Y = aX + b, avec

cov(X, Y ) 38
a= = = 1.9
V (X) 20
et
b = Y − aX = −14.
Ainsi, (DY /X ) : Y = 1.9X − 14.
3. S’il faisait 30 degrés, on vendrait environ Y = 1.9×30 − 14 = 43 glaces.
40+14
4. Si on vendait 40 glaces, la température serait d’environ X = 1.9 ' 28.4 degrés.

Exercice 2.2 Un test de freinage a été effectué à partir de 7 voitures. Les résultats de ce test sont donnés par le tableau suivant :

Vitesse (km/h) 30 33 40 49 60 70 93
Distance (m) 6.50 5.30 14.45 11.23 20.21 38.45 50.42

Le but de cet exercice est de déterminer la distance nécessaire à l’arrêt d’une voiture lancée à 100 km/h.
1. Calculer le coefficient de corrélation. Peut-on penser qu’il existe une relation entre la vitesse et la distance de freinage
d’une voiture ?
2. En utilisant la méthode des moindres carrés, proposez une équation de la droite de régression reliant la distance à la
vitesse (distance=a×vitesse+b).

27 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

3. Quelle serait alors la distance nécessaire à l’arrêt d’une voiture lancée à 100 km/h ?
4. En utilisant la méthode des
√ moindres carrés, proposez une équation de la droite de régression reliant la racine carrée de
la distance à la vitesse ( distance = a×vitesse+b).
5. Quelle serait alors la distance nécessaire à l’arrêt d’une voiture lancée à 100 km/h ?
6. Utilisez le coefficient de corrélation pour choisir l’une des deux modélisations.
7. Avec chacune des deux méthodes, quelle serait la vitesse d’une voiture qui s’arrête en 40 mètres.

Solution: Notons la variable vitesse par V et la variable distance de freinage par D. On a le tableau suivant :
V itesse(km/h)vi 30 33 40 49 60 70 93 V = 53.57
Distance(m)di 6.50 5.30 14.45 11.23 20.21 38.45 50.42 D = 20.94
vi − V -23.57 -20.57 -13.57 -4.57 6.43 16.43 39.43
(vi − V )2
P
555.54 423.12 184.14 20.88 41.34 269.94 1554.72 = 3049.68
di − D -14.44 -15.64 -6.49 -9.71 -0.73 17.51 29.48
(di − D)2
P
208.51 244.60 42.12 94.28 0.53 306.6 869.07 = 1765.71
P
(vi − V )(di − D) 340.35 321.71 88.06 44.37 -4.69 287.68 1162.39 = 2239.87
Par conséquent, on a
• V (V ) = 435.66 et σV = 20.87.
• V (D) = 252.24 et σD = 15.88.
• cov(V, D) = 319.98.
1. Ainsi, le coefficient de corrélation est
cov(V, D) 319.98
ρ(V, D) = = ' 0.965.
σV ×σD 20.87×15.88
Nous pouvons déduire que les deux variables sont fortement corrélées.
2. Droite de régression de D en V.
cov(V, D) 319.98
a= = ' 0.73 et; b = D − aV = 20.94 − 0.73×53.57 ' −18.16.
V (V ) 435.66

Ainsi, l’équation la droite de régression est (DD/V ) : D = 0.73×V − 18.16.

3. Une voiture roulant à 100 km/h s’arrêtera au bout de D = 0.73×100 − 18.16 = 54.84 mètres.
4.
V itesse(km/h)vi 30 33 40 49 60 70 93 V = 53.57
√ √
Distance(m) di 2.55 2.30 3.80 3.35 4.50 6.20 7.10 D = 4.26
vi − V -23.57 -20.57 -13.57 -4.57 6.43 16.43 39.43
(vi − V )2
P
555.54 423.12 184.14 20.88 41.34 269.94 1554.72 = 3049.68
√ √
di − D -1.71 -1.96 -0.46 -0.91 0.24 1.94 2.84
√ √
( di − D)2
P
2.92 3.84 0.21 0.82 0.058 3.77 8.06 = 19.678
√ √ P
(vi − V )( di − D) 40.3 40.31 6.24 4.16 1.54 31.87 111.98 = 236.4
On a
• V (V
√) = 435.66 et σV = 20.87.
• V ( D) = 2.81 et σ√D = 1.67.
√
• cov(V, D) = 33.77.
Le coefficient de corrélation est
√
√ cov(V, D) 33.77
ρ(V, D) = √
= ' 0.968.
σV ×σ D 20.87×1.67
√
Droite de régression de D en V.
√
cov(V, D) 33.77 √
a= = ' 0.077 et; b = D − aV = 4.26 − 0.077×53.57 = 0.135.
V (V ) 435.66
√
Ainsi, l’équation la droite de régression est (D√D/V ) : D = 0.077×V + 0.135.

28 El Houssine Azroul
El Houssine Azroul Statistiques Descriptives, Lois de Probabilité

5. Une voiture roulant à 100 km/h s’arrêtera au bout de D = (0.077×100 + 0.135)2 = 61.38 mètres.
√
6. Nous remarquons que ρ(V, D) est plus proche de 1 que ρ(V, D). Ainsi, la deuxième approximation semble être
meilleure.
7. Une voiture qui s’arrête en 40 mètres aurait pour vitesse :
– pour la 1ère méthode : V = 40+18.16 ' 79.67.
√0.73
ème 40−0.135
– pour la 2 méthode : V = 0.077 ' 80.38.

29 El Houssine Azroul