Statistique descriptive B.

NAAMANE EST de Meknès

__________________________________________________________________________________

D’un point de vue pédagogique, il nous apparaît nécessaire de distinguer trois

étapes naturelles pour l’enseignement des probabilités et des statistiques : la
statistique descriptive, le calcul des probabilités élémentaires et théoriques, et la
statistique théorique ou inférencielle.

La statistique descriptive vise à résumer quantitativement et graphiquement

l’information recueillie sur un ensemble concret au moyen d’une investigation
exhaustive. Son but n’est pas d’expliquer mais de décrire et de dégager
l’essentiel de l’information véhiculée par les données. Elle synthétise
numériquement et graphiquement cette information.

Le calcul de probabilité, quant à lui, a pour objet l’étude des phénomènes

aléatoires. Il est fondé sur une axiomatique appropriée et se développe suivant
une logique mathématique étrangère à toute préoccupation concrète immédiate.

Enfin, la statistique théorique se rapporte à l’étude de l’induction statistique,

c’est à dire l’analyse de l’information obtenue à partir d’un mécanisme aléatoire.
Tandis que la statistique descriptive "constate" à l’aide d’une analyse
exhaustive, en général coûteuse et parfois impossible à entreprendre, la
statistique mathématique vise à cerner les caractéristiques de la population mère
sur la base de l’étude d’échantillons aléatoires. Le développement historique de
la connaissance dans ce domaine a plus ou moins respecté ces trois étapes.
Souvent, on introduit la notion de probabilité comme une fréquence relative
avant même la définition de la notion élémentaire de fréquence. Les éléments du
langage des probabilités tels que, ensemble fondamental, évènement,
probabilité, sont des généralisations naturelles des notions de population,
caractère, fréquence. De même, la variable aléatoire est un prolongement naturel
de la variable statistique.

Comme le cheminement de la pensée va de l’observation des faits vers leur

idéalisation abstraite, la statistique descriptive apparaît, par les problèmes
qu’elle pose et les limites de ses possibilités, comme une introduction
heuristique pour aborder le calcul des probabilités.
1
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

La statistique descriptive est, comme son nom l’indique, une méthode

descriptive basée sur les observations recueillies à propos de l’étude de certains
phénomènes d’ordre économique, sociologique ou expérimental.

L’analyse des données se fait essentiellement dans deux directions principales.

La première d’essence géométrique, consiste à les classer et à les disposer de la
manière la plus explicite possible, sous forme de tableaux, de graphiques ou de
courbes.

La seconde a pour but de résumer l’information contenue dans les données à

l’aide de certaines caractéristiques numériques.

Ces deux axes ne sont pas exclusifs et sont souvent utilisés simultanément.

Le recueil, le traitement et l’analyse de l’information sont au cœur de tous les

processus de gestion et de décision.

Les méthodes de description, de prévision et de décision se sont

considérablement enrichies et développées, ce qui place la statistique au
carrefour de l’observation et de la modélisation.

L’utilisation des méthodes statistiques s’est généralisée avec le développement

et l’interprétation de logiciels et progiciels assurant la gestion des données, les
calculs, les représentations graphiques…..

2
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

I- Définition et objet de la statistique

Dans un sens général, la statistique est l’ensemble des méthodes scientifiques à
partir desquelles sont recueillies, présentées, résumées et analysées les données
relatives à un phénomène quelconque.

La statistique regroupe donc, l’ensemble des méthodes et outils permettant de

décrire (c’est pourquoi on dit que la statistique est une science d’observation),
présenter (en se servant des tableaux et des graphiques), résumer et analyser (par
des indicateurs statistiques) des données souvent très nombreux.

Elle a pour objet l’étude, à l’aide de traitements mathématiques (puisqu’elle

utilise les chiffres comme moyen d’expression), de nombreux faits
correspondant à l’observation d’un phénomène. Ceci a pour but de rendre
compte de la réalité, d’essayer de l’expliquer et par la suite, d’aider à la prise de
décisions.

Certes, il est nécessaire de faire la distinction entre « la statistique » au singulier

et « les statistiques » au pluriel (de tels termes souvent confondus par les
lecteurs).

Si la statistique (au singulier) désigne l’ensemble des méthodes d’analyse

scientifique, les statistiques (au pluriel) désignent l’ensemble des données
chiffrées sur lesquelles on porte l’étude.

Nous pourrons alors dire que « la statistique » sera constituée par l’ensemble des
procédés ou des méthodes qui auraient pour but l’étude mathématique « des
statistiques ».

3
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

II- Typologie de la statistique

La statistique entant que méthode d’analyse comporte plusieurs niveaux :

 La statistique descriptive : qui englobe un ensemble de méthodes

pour décrire avec des outils appropriés des ensembles nombreux et
dégager l’essentiel de l’information qui en résulte. Elle utilise des
modes de représentations graphiques et des caractéristiques
obtenues par un calcul algébrique

 La statistique probabiliste : qui s’intéresse à l’étude des

mécanismes aléatoires. Les probabilités permettent de préciser les
différents cas possibles qui peuvent se présenter et permettant
d’évaluer le degré de réalisation d’un événement.

 La statistique mathématique : qui s’intéresse à prendre les

décisions adéquates à partir de l’analyse des résultats de la
probabilité. Elle consiste à induire des résultats sur une population à
partir d’un échantillon en précisant si possible la marge d’erreur.

 L’économétrie : qui est une branche de la science économique qui a

pour objectif d’estimer et de tester les modèles économiques, à
partir des données issues de l’observation du fonctionnement réel
de l’économie ou provenant d’expériences contrôlées.

III- Concepts fondamentaux de la statistique :

La statistique utilise un vocabulaire spécifique dont voici les termes les plus
utilisés :

 La population : C’est l’ensemble des éléments auxquels se

rapportent les données étudiées. C’est donc l’ensemble sur lequel
porte l’étude statistique. En statistique, le terme « population »
s’applique à des ensembles de toute nature : personnes physiques
(étudiants, consommateurs, salariés…), personnes morales
(entreprises, administrations…), des objets (voitures, livres, pièces
produites…), des animaux (chats, chiens, ours, lions…).

4
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Il est recommandé de toujours bien définir la population étudiée.

Cela permet aux différents statisticiens de mener les mêmes
interprétations sur le même phénomène.

 L’individu : appelé également « unité statistique » ; c’est chaque

élément de la population. La statistique sert à décrire l’ensemble
des individus. On commence par les compter. La première
information que l’on tire d’une population est en effet le nombre de
ses unités.

Population

….fgjkuh

idus

xf Individus

 L’échantillon : lorsque la taille de la population est élevée, les

enquêtes sont fort coûteuses ou même impossibles, et le cas
échéant, leurs résultats souvent très longs à rassembler et peuvent
être dépassés avant la fin de l’enquête, raison pour laquelle on a
recours à un échantillon.

Un échantillon peut être défini comme un sous-ensemble de la

population. Il doit posséder les propriétés fondamentales de
l’ensemble dont il est issu (c’est-à-dire la population).

5
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Le diagramme d’EULER ci-après décrit le lien entre l’échantillon et

la population.

Population
Po

Échantillon

En général, on parle d’échantillon aléatoire quand les unités

statistiques sont tirées au hasard, et on parle d’un échantillon
raisonné quand le choix de l’échantillon se fait d’une manière bien
raisonnée.

 Le caractère : chaque individu d’une population peut être décrit

selon un ou plusieurs critères. Le critère retenu est appelé
caractère. C’est donc l’aspect particulier que l’on veut étudier dans
la population.

Un caractère est toujours susceptible de variation. Il faut qu’il

présente au moins deux situations différentes.

 La modalité : c’est chaque situation que peut présenter un caractère.

C’est chaque réponse possible à une question de l’enquête.

Les modalités relatives à chaque caractère doivent être exhaustives

(toutes les modalités doivent être mises en évidence) et
incompatibles (un individu présente une et une seule modalité).

6
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

IV- Méthodes d’observation

La statistique est une science d’observation dont la première étape est la
collecte des données. Les méthodes du recueil des informations sont
multiples. Le choix de l’une ou de l’autre dépend d’abord du phénomène
étudié, puis des moyens dont dispose l’enquêteur.

Les méthodes les plus utilisées sont les suivantes :

 Le recensement : C’est une étude statistique complète de toute la

population. Il s’agit de faire l’examen de toutes les unités de la
population. Cette méthode n’est pas toujours possible à réaliser
parce qu’elle exige beaucoup de moyens, beaucoup de temps et
beaucoup de précisions. Pour ces raisons, on peut être conduit à
n’observer qu’une fraction de la population c-à-d un échantillon.

 Le sondage : C’est l’observation statistique d’une partie de la

population. L’étude de cet échantillon fournira des informations
qui pourront être étendues, quoique avec prudence, à la population
complète.

 Le dénombrement : Le dénombrement que suppose toute statistique

peut être instantané ou continu. Ainsi, la population d’un pays à
une certaine date peut être connue à l’aide d’un recensement
effectué à cette même date ; c’est le dénombrement instantané.
Cette même population peut être connue à partir d’un recensement
antérieur en ajoutant les naissances et les émigrés et en retranchant
les décès et les immigrés.

Exemple : le compte d’exploitation et l’inventaire permanent des

stocks sont des dénombrements continus.

Le bilan et l’inventaire intermittent des stocks sont des

dénombrements instantanés.

 Le questionnaire : Lorsque les unités statistiques sont des humains

ou des entreprises (représentées par des humains) la méthode du
questionnaire s’avère très efficace. Le questionnaire est un
document composé de plusieurs questions objet de l’enquête, à
lesquelles doivent répondre les enquêtés.

7
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Destiné à fournir des renseignements nombreux et exacts, un

questionnaire doit présenter un certain nombre de qualités à savoir :

- Il doit être simple et compréhensible par les enquêtés

- Il doit être complet de part les questions qui le composent.

- Les questions posées doivent être telles qu’elles permettent à

l’enquêteur de contrôler l’exactitude des réponses fournies.

V-Types de caractère :
Un caractère ou variable statistique peut être de deux natures : qualitatif
(nominal ou ordinal) ou quantitatif (discret ou continu).

Variable

Qualitative quantitative

Nominale ordinale discrète continue

 Variable qualitative : La variable est dite qualitative quand les

modalités sont des catégories. Dans ce cas, les modalités ne sont pas
mesurables.

 Variable qualitative nominale : La variable est dite

qualitative nominale quand les modalités ne peuvent pas
être ordonnées. Il n’y a pas d’ordre naturel dans ce cas.
Exemple : pour le sexe : féminin / masculin

Pour l’état matrimonial : célibataire/ marié/ veuf/ divorcé.

8
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 Variable qualitative ordinale : La variable est dite

qualitative ordinale quand les modalités peuvent être
ordonnées.

Exemple : pour le niveau de satisfaction : non satisfait/

peu satisfait/ moyennant satisfait/ très satisfait

Pour le niveau d’étude : primaire/ secondaire/

universitaire.

Le fait de pouvoir ou non ordonner les modalités est parfois discutable. Par
exemple : dans les catégories socioprofessionnelles, on admet d’ordonner les
modalités : « ouvriers », « employés », « cadres ». Si on ajoute les modalités
« sans profession », « enseignant », « artisan », l’ordre devient beaucoup plus
discutable.

Variable quantitative : Une variable est dite quantitative si toutes ses valeurs
possibles sont numériques ou chiffrées.

 Variable quantitative discrète : une variable est dite

discrète si les modalités sont isolées les unes des autres.
les valeurs possibles du caractère étudié sont
dénombrables.

Exemple : le nombre de pièces défectueuses contenues

dans des lots , le nombre de chèques impayés enregistré
par une agences bancaire pendant une période, ….

 Variable quantitative continue : une variable est dite

continue si les valeurs observées peuvent prendre
n’importe quelle valeur à l’intérieur d’un intervalle.

Exemple : L’âge des étudiants d’un établissement

universitaire, le salaire des employés d’une
administration, le chiffre d’affaires réalisé par une
entreprise pendant une période donnée….

9
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Le statisticien se trouve souvent confronté à une quantité importante de données

dont il est difficile d’en tirer des conclusions probantes. Pour une meilleure
interprétation, il est nécessaire que les données traitées soient triées et classées.

Pour que l’organisation des données soit efficace, elle doit être simple et facile à
lire et interpréter. Cela implique qu’elle doit retenir l’information essentielle
contenue dans ces données, sans pour autant négliger les aspects particuliers de
leur structure.

A cet effet, les outils statistiques disponibles sont les tableaux statistiques et les
représentations graphiques. Ces dernières permettent souvent de mieux mettre
en évidence les traits dominants des données.

Dans ce chapitre, nous étudions les principales possibilités d’organiser des

données numériques en forme de tableaux et de diagrammes.

I- Tableaux statistiques :
 Cas d’un caractère qualitatif : on présente les données dans un
tableau qui comprend au moins deux colonnes : la première pour
désigner les différentes modalités du caractère ; et la deuxième
pour désigner l’effectif correspondant à chaque modalité.

10
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Par le terme « effectif », on désigne le nombre des unités

statistiques qui possèdent la même modalité du caractère. On le
symbolise par « ni ».

Exemple : le résultat d’une enquête portée sur 20 salariés d’une

entreprise, pour désigner leur état matrimonial est donné comme
suit :

C M C C V D D D M M

M C C M M V M V C M

C : Célibataire

M : Marié

D : Divorcé

V : Veuf

Le tableau statistique qui permet de classer ces données se présente

ainsi :

Etat matrimonial Effectif (ni)

C 6

M 8

D 3

V 3

Total (N) 20

 On peut lire : il y a 8 salariés qui sont mariés (qui portent la

modalité « M »)

 On constate que que ∑ ni = N. On désigne par « N » l’effectif

total de la population ; c’est le nombre de données collectées.
Dans notre cas N= 20

11
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 On peut ajouter sur le tableau deux autres colonnes : une qui

représente les fréquences relatives qu’on va noter « fi »

fi = ni ÷ N, il en résulte que ∑ fi = 1.

L’autre colonne représente les pourcentages (pi). On constate

alors que pi = fi x 100 et que ∑ pi = 100.

Le tableau devient comme suit :

Modalités Ni fi pi

C 6 0,3 30

M 8 0,4 40

D 3 0,15 15

V 3 0,15 15

Total 20 1 100

Et on lit : 8 salariés sont mariés, ils représentent 40% du total des salariés.

L’importance du calcul des fréquences réside dans le fait qu’elles nous

permettent de faire la comparaison entre deux ou plusieurs séries statistiques
dont l’effectif total est différent.

 Cas d’un caractère quantitatif : On distingue entre les variables

discrètes et les variables continues.

 Quand la variable est discrète : les résultats concernant les

observations de la variable étudiée (qu’on note « X »), dont
l’ensemble des valeurs sont notées « xi », sont présentés dans
un tableau des effectifs (xi , ni) ou dans un tableau des
fréquences (xi, fi).

Logiquement, on présente les modalités selon un ordre

croissant puisqu’elles sont numériques (chiffrées).

12
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

On peut résumer les résultats des effectifs ou/et des fréquences sous une autre
forme pour donner ainsi ce qu’on appelle les effectifs cumulés et les fréquences
cumulées (ou même les pourcentages cumulés).

On appelle effectif cumulé croissant de la ième classe (nicc), le nombre

d’individus (ni) pour lesquels la variable prend une valeur au plus égale à xi.

L’effectif cumulé décroissant de la ième classe (nicd) est la somme des effectifs
dont toutes les valeurs sont supérieures ou égales à xi.

On définit de la même façon les fréquences cumulées croissantes (ficc) qui est la
somme des fréquences correspondant à toutes les valeurs inférieures ou égales à
xi. Les fréquences cumulées décroissantes (ficd) correspondent à la somme des
fréquences relatives à toutes les valeurs qui sont supérieures ou égales à xi.

Exemple : une enquête effectuée sur 20 salariés pour étudier le nombre de

diplômes obtenus, a fourni le résultat suivant :

0-1-1-2-3-0-3-3-2-1-2-1-2-2-3-0-0-1-1-1

Ces données peuvent être portées sur le tableau suivant :

modalités ni fi pi nicc nicd ficc ficd picc picd

(xi )

0 4 0,2 20 4 20 0,2 1 20 100

1 7 0,35 35 11 16 0,55 0,8 55 80

2 5 0,25 25 16 9 0,8 0,45 80 45

3 4 0,2 20 20 4 1 0,2 100 20

Total 20 1 100 - - - - - -

13
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Lecture du tableau (on prend la ligne où xi = 2)

( ni=5) 5 salariés ont 2 diplômes chacun

( fi=0,25 et pi=25) 25% des salariés ont 2 diplômes chacun

(nicc= 16) 16 salariés qui ont au plus 2 diplômes chacun

(nicd=9) 9 salariés qui ont au moins 2 diplômes chacun

(ficc=0,8 et picc=80) 80% des salariés ayant au plus 2 diplômes chacun

(ficd=0,45 et picd=45) 45% des salariés ayant au moins 2 diplômes chacun.

Notion de la fonction de répartition :

Pour les caractères quantitatifs discrets, ayant des modalités naturellement

ordonnées, on introduit une notion importante : la fonction de répartition.

La fonction de répartition d’un caractère quantitatif est la fonction F(x) définit

de IR vers l’intervalle [ 0-1] et qui fait correspondre à chaque valeur xi de X la
somme des fréquences fj telle que j ≤ i

Donc F(x) = f1+f2 +f3+….+fj+…..+fi

Les considérations suivantes découlent immédiatement de cette définition :

F est monotone croissante

F est définit quel que soit xi de X

F(- ∞)= 0

F(+ ∞)=1

 Quand la variable est continue : Si on considère un ensemble de

valeurs individuelles pour un nombre d’individus relatifs à une
variable continue, il arrive que le nombre de valeurs possibles
observées sont élevées pour que l’on puisse considérer chaque
observation comme une modalité à part, c’est pourquoi il est
d’usage dans le souci d’une présentation claire et synthétique, de
rassembler les observations en des sous-groupes constituant chacun
un intervalle (ou classe). Certes, il est fort intéressant de choisir le

14
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

découpage qui permet de conserver au mieux l’information

contenue dans la série.

Les modalités sont des intervalles ([a-b[ ) que l’on suppose fermés à
gauche et ouverts à droite.

« a » est la borne inférieure de l’intervalle en question.

« b » est la borne supérieure de l’intervalle.

On peut calculer les centres de classes qu’on note « Ci » de la façon

suivante : Ci =( a + b) ÷ 2

On peut déterminer également l’étendue de l’intervalle ; c’est ce

qu’on appelle l’amplitude (qu’ on note « ai ») ; définit
mathématiquement par la formule : ai = b – a

Exemple : le salaire horaire d’un groupe d’ouvriers d’une usine est donné par les
observations suivantes :

25,55- 45,70- 33,5- 45,85- 89,35- 77- 33- 40-44-28,60- 30- 26- 75,8- 42- 75- 55-
61- 62,3- 52,25-27

On peut regrouper ces données dans un tableau comme suit :

Xi ni fi pi nicc nicd ficc ficd picc picd

[20-30[ 4 0,2 20 4 20 0,2 1 20 100

[30-40[ 3 0,15 15 7 16 0,35 0,8 35 80

[40-50 [ 5 0,25 25 12 13 0,6 0,65 60 65

[50-60[ 2 0,10 10 14 8 0,7 0,4 70 40

[60-70[ 2 0,10 10 16 6 0,8 0,3 80 30

[70-80[ 3 0,15 15 19 4 0,95 0,2 95 20

[80-90] 1 0,05 5 20 1 1 0,05 100 5

Total 20 1 100 - - - - - -

15
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Lecture du tableau (on va choisir la modalité [70-80[ ) :

(ni= 3) :Il y a 3 ouvriers qui touchent un salaire horaire compris entre 70et80dh

(fi=0,15) :15% des ouvriers touchent un salaire horaire compris entre 70et80dh

(nicc=19) :19ouvriers touchent un salaire horaire moins de(au plus égale à) 80dh

(nicd=4) :4ouvriers touchent un salaire horaire au moins égale à 70dh

(ficc=0,95) :95%des ouvriers touchent un salaire horaire moins de 80dh

(ficd=0,2) :20%des ouvriers touchent un salaire horaire au moins égale à 70dh

II- Représentations graphiques

La représentation graphique est un mode d'expression qui permet "visuellement" de

saisir et de mémoriser un certain nombre d’informations. C'est pourquoi, lors de la
présentation des résultats statistiques et complémentairement aux tableaux, on
utilise souvent une représentation graphique.
Cette représentation graphique peut répondre à deux types d'objectifs:

 Etre un moyen de communication et permettre de véhiculer une information.

C'est ainsi que certains graphiques figurent dans des articles de magazines et
journaux, dans des brochures de présentation de résultats commerciaux ou
(et) comptables et même dans certaines publicités. Ceci prouve qu'un bon
graphique est souvent plus explicite qu'un long discours.

 Etre un instrument de travail et permettre une vue d'ensemble synthétique du

phénomène étudié, ce qui en facilite l'analyse ; Elle permet en un seul coup
d'œil d'en saisir la tendance générale.

Il est à signaler qu’il existe plusieurs représentations graphiques, le choix de l’une

ou l’autre dépend de la nature du caractère étudié.

 Cas d’un caractère qualitatif : Pour des variables qualitatives, on

utilise fréquemment les diagrammes circulaires dits « en camembert »,
demi-circulaire ou en tuyaux d’orgue.

 Le diagramme circulaire donne pour chaque effectif ou fréquence un secteur

16
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

angulaire bien évidemment proportionnel. Après avoir déterminé les

effectifs(ou les fréquences), on construit un tableau de proportionnalité entre
les effectifs et les angles (sachant que 100%(ou N) correspond à 360°)

Pour calculer le degré d’un angle, on applique la règle de trois :

N 360°
ni x x =( ni x 360 ) ÷ N

Exemple : la répartition des salariés d’une entreprise selon la catégorie socio-

professionnelle est donnée par le tableau ci-après :

CSP(Xi) Effectifs (ni ) Fréquences fi % degrés

Cadres supérieurs 10 12,5% 45

Contremaîtres 5 6,25% 22,5

Employés 20 25% 90

Ouvriers spécialisés 40 50% 180

Autres catégories 5 6,25% 22,5

Total 80 100% 360

Titre : Répartition des salariés d’une entreprise selon la CSP

17
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 Le diagramme en tuyaux d’orgue est un diagramme cartésien constitué des Xi

sur l’axe des abscisses et des (ni) sur l’axe des ordonnées. La représentation
est sous forme de rectangles dont la base est la même et dont la hauteur est
proportionnelle à l’effectif ou à la fréquence qui lui correspond.

Le diagramme en tuyaux d’orgue correspondant à la même série est définit par ce

qui suit :

ni

40

30

20

10

Xi
CS C E O AC
3

 Cas d’un caractère discret : Quand la variable statistique est discrète,

on la représente à l'aide d'un diagramme en bâtons. On porte en
abscisse les valeurs de la variable et on trace, pour chaque valeur,
parallèlement à l'axe des ordonnées, un bâton de longueur
proportionnelle à l'effectif de la valeur.
Remarque
On peut aussi tracer un diagramme en bâtons des fréquences relatives. Il suffit de
tracer, pour chaque valeur, parallèlement à l'axe des ordonnées, un bâton de
longueur proportionnelle à la fréquence relative de la valeur

Exemple : une étude portée sur 100 personnes pour savoir le nombre de boissons
chaudes consommées par jour, a donné ce qui suit :
18
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Nombre de Nombre de consommateurs (ni)

boissons(Xi)
0 4
1 32
2 28
3 20
4 16
total 100

La représentation de cette série est décrite par la diagramme suivant :

ni

32 Répartition des consommateurs selon le

28 nombre de boissons chaudes consommées

20
16

4
xi
0 1 2 3 4

 Cas d’un caractère continu : Quand les valeurs prises par la variable
sont regroupées en classes, la représentation graphique prend la forme
d'un histogramme.
Un histogramme est constitué de rectangles juxtaposés ; la largeur de
chaque rectangle correspond à l'intervalle de la classe correspondante ;
sa hauteur est telle que l'aire du rectangle est proportionnelle à
l'effectif de la classe.
En joignant les milieux des sommets de chaque rectangle, on obtient le
polygone des effectifs.
Remarques
 Attention, ce sont les aires des rectangles qui sont proportionnelles aux
effectifs représentés. Les hauteurs ne leur sont proportionnelles que lorsque
l'on a des classes de même amplitude.

19
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 On peut aussi tracer l'histogramme des fréquences relatives. Chaque rectangle

a alors une aire proportionnelle à la fréquence relative de la classe
correspondante.
 En joignant les milieux des sommets de chaque rectangle, on obtient le
polygone des fréquences relatives.

Exemple 1 : Les notes obtenues par un échantillon de 28 étudiants sont données par
le tableau suivant :
Notes(Xi) Nombre d’étudiants Fréquences (fi)
(ni)
[ 0-4[ 4 0,14
[4-8[ 5 0,18
[8-12[ 11 0,39
[12-16[ 6 0,21
[16-20] 2 0,07
total 28 1
Dans cet exemple, on remarque que toutes les amplitudes sont égales. On passe
directement à la représentation graphique par le biais d’un histogramme.

Nbre d’étudiants

12

10
Répartition des étudiants selon la note obtenue
8

4 Polygone des effectifs

2
Exemple 2 : Dans cet exemple,
0 4 8 12 16 20 Notes des étudiants

Exemple 2 : On propose maintenant une série statistique dont les amplitudes

sont différentes.

Soit la distribution suivante :

20
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Xi ni

[0-5[ 13

[5-10[ 27

[10-20[ 30

[20-25[ 12

[25-40] 18

Total 100

Dans le cas où les amplitudes sont inégales, il faut chercher à respecter le

rapport de proportionnalité des aires des rectangles qui forment l’histogramme
par rapport aux effectifs observés.

Il est nécessaire de corriger les effectifs avant de faire le diagramme.

Modalités Effectifs Amplitudes Amplitude de Effectifs

référence (ai’) corrigés (ni’)
xi (ni) (ai)

[0-5[ 13 5 5 13

[5-10[ 27 5 5 27

[10-20[ 30 10 5 30/2=15

[20-25[ 12 5 5 12

[25-40] 18 15 5 18/3=6

total 100 - - -

 On choisit une amplitude de référence (ai’) généralement c’est l’amplitude

réelle la plus répétée

 L’effectif corrigé (ni’) s’obtient ainsi : ni’ = (ni x ai’) : ai

21
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

ni’

30

20

10

Xi
0 5 10 20 25 40

 Diagramme intégral : appelé également la courbe cumulative.

Elle concerne la représentation graphique de la fonction de
répartition. Elle est déterminée dans le cas d’un caractère
quantitatif.

 Cas d’un caractère discret : ce diagramme doit traduire la

discontinuité du caractère. Prenant l’exemple précédent

Nombre de Nombre de fi ficc

boissons(Xi) consommateurs (ni)
0 4 0,04 0,04
1 32 0,32 0,36
2 28 0,28 0,64
3 20 0,20 0,84
4 16 0,16 1
.

La fonction de répartition est donnée par ce qui suit :

Pour x ϵ ]-∞ , 0[ F(x) = 0

Pour x ϵ ]0 , 1[ F(x) = 0,04
Pour x ϵ ]1 , 2[ F(x) = 0,36
22
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Pour x ϵ ]2 , 3[ F(x) = 0,64

Pour x ϵ ]3 , 4[ F(x) = 0,84
Pour x ϵ ]4, + ∞[ F(x) =1

F(x)

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

Xi
0 1 2 3 4

On remarque que la fonction de répartition prend une forme en escaliers ; ce qui

renseigne sur la discontinuité du caractère

 Cas d’un caractère continu : La fonction de répartition est

une courbe ; ce qui traduit la continuité du caractère. La
courbe s’obtient en joignant les points de cordonnées (borne
supérieure de la classe , ficc)

23
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Si on prend l’exemple pris précédemment on aura :

Xi ni fi ficc
[0-5[ 13 0,13 0,13
[5-10[ 27 0,27 0,40
[10-20[ 30 0,30 0,70
[20-25[ 12 0,12 0,82
[25-40] 18 0,18 1

ficc

0,82

0,70

0,40

0,13

Xi
5 10 20 25 40
0
Remarques:

 La courbe cumulative prend comme base les fréquences

calculées sur la base des effectifs réels et non pas ceux
corrigés.

 On peut tracer sur le même graphique la courbe cumulative

décroissante ; c’est la courbe qui joigne les points de
cordonnées la borne inférieure de la classe et la valeur de la
fréquence cumulées décroissante.

24
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 Lorsqu’on trace les deux courbes cumulatives sur le même

graphique, on remarque qu’elles se coupent en un et un seul
point. Ce point est l’une des valeurs caractéristiques de la
série statistique (la médiane).

25
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

La représentation graphique des distributions statistiques a permis une première

synthèse de l’information contenue dans les tableaux statistiques. On peut
comparer les différentes séries statistiques par simple comparaison de leurs
représentations graphiques. Cette comparaison reste toutefois incommode et
devient quasi-impossible si elle doit porter sur un grand nombre de
distributions statistiques. Il est donc nécessaire de définir des paramètres
statistiques qui forment un résumé de la série statistique et qui permettent
d’approfondir son étude. Ces paramètres sont numériques et ne sont
significatifs que pour le caractère quantitatif.

Les paramètres de position (ou de tendance centrale), qui font l’objet de ce

chapitre ont pour but :

 De résumer, par un seul nombre, une distribution statistique et ainsi de pouvoir

comparer facilement des distributions d’un même caractère sur des populations
différentes.

 De positionner un nombre dans une distribution statistique (la médiane par

exemple)

Le statisticien britannique YULE a énoncé un certain nombre de propriétés

souhaitées pour les indicateurs de position. Ainsi, une caractéristique de position
doit être une valeur-type et doit vérifier les conditions suivantes :

 Etre défini de façon objective.

 Dépendre de toutes les observations de la série

26
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 Avoir une signification concrète pour être comprise par des non
spécialistes

 Etre simple à calculer et pouvoir être calculée de manière algébrique

 Etre peu sensible aux fluctuations d’échantillonnage.

En réalité, on ne dispose pas de caractéristiques répondant simultanément à

l’ensemble de ces conditions. Toutefois, on a une préférence pour la
moyenne.

Les caractéristiques de position sont nombreuses, le choix de l’une ou de

l’autre fait l’objet d’un compromis guidé par la spécificité de l’étude en
cours. On étudiera dans ce qui suit le mode, la médiane et la moyenne.

I- La médiane :

La médiane d’un caractère quantitatif est la valeur qu’on note M e et

qui permet de classer la série statistique en deux sous-populations de
même taille. La première sous-population est composée d’individus
dont les modalités sont inférieures ou égale à Me, et l’autre sous-
population est composée d’individus dont les modalités sont
supérieures ou égales à Me .On peut constater donc que la médiane est
la valeur de la variable telle que F(M e) = 0,5 avec F(x) est la fonction
de répartition.

Le calcul pratique de la médiane diffère selon que le caractère étudié

est discret ou continu.

 Cas d’un caractère discret : On suppose une population de taille

« N ». on peut distinguer alors deux cas, selon la parité de N.

 Si N est impair

Dans ce cas, on écrit : N= 2P +1, la médiane est la valeur de la variable

de rang (P+1).

27
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Exemple : Le nombre de diplômes obtenus par un échantillon de 13

salariés est donné comme suit :

0-1-1-2-3-4-3-2-1-0-4-3-4 N=13 impair donc N=2P+1 donc P=6

On classe d’abord ces informations selon un ordre croissant, on aura :

0–0–1–1–1–2–2–3–3–3–4–4–4

6 termes 6 termes
Valeur médiane

Dans cette série Me = 2 C’est la valeur de rang 7 c-à-d la 7ème valeur après avoir
classé les valeurs.

 Si N est pair :

N est pair. Il peut s’écrire mathématiquement : N = 2P. la médiane est donnée

par :

Valeur de rang P + valeur de rang (P+1)

Me = ______________________________________
2

La valeur de la médiane, quand N est pair, peut ne pas avoir de signification

concrète. Pour dépasser ce problème, il est préférable de considérer l’intervalle
médian [valeur de rang P, valeur de rang (P+1)]

Exemple : Si maintenant le nombre de diplômes est donné et classé comme suit :

0–0–1–1–1–2–2–3–3–3–4–4–4–4 N=14=2P donc P=7

Valeur de rang 7 + valeur de rang 8

Me = ______________________________ Me = (2 + 3) : 2
2

Me = 2,5 diplômes soit entre 2 et 3 puisque 2,5 diplômes n’est pas une valeur
concrète.

28
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 Cas d’un caractère continu : Dans ce cas, le calcul de la médiane

peut se faire de deux manières différentes :

 Détermination graphique : On représente graphiquement et

sur le même diagramme la courbe cumulative croissante et la
courbe cumulative décroissante. La projection du point
d’intersection de ces courbes sur l’axe des abscisses est la
valeur de la médiane.

Exemple : soit un échantillon de salariés vus selon leurs anciennetés.

Xi ni nicc nicd

[0-5[ 24 24 130

[5-10[ 35 59 106

[10-20[ 60 119 71

[20-40] 11 130 11

Total 130 - -

La représentation des deux courbes cumulatives se fait ainsi :

140

nicc
100

60
nicd

20

10 20 30 40
Me
29
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 Détermination algébrique : On utilise la colonne des

effectifs cumulés croissants.

L’effectif total est 130 ; donc le milieu de cet effectif est 65, qui
correspond à la médiane. On cherche la valeur 65 dans la
colonne des nicc. La médiane appartient à la classe [10-20 [ ;
c’est la classe médiane. La valeur exacte de la médiane peut être
donnée à partir de l’interpolation linéaire.

10 Me 20
xi

nicc
59 65 119

Me - 10 65-59 (20-10) (65-59)

────── = ────── ⟹ Me = 10 + ───────────
20-10 119 - 59 (119 – 59)

Me = 10+ 1 donc Me = 11 ans

50% des individus de la population ont une ancienneté inférieure
ou égale à 11ans et 50% d’entre eux ont une ancienneté supérieure
ou égale à 11ans.
En général, la médiane s’obtient par la formule :
bi est la borne inférieure de la classe médiane
(N/2) – ncc (i-1)
Me = bi + ai ────────── avec ai est l’amplitude de la classe médiane
ni ncc (i-1) est l’effectif cumulé croissant de la
classe qui précède la classe médiane

ni est l’effectif de la classe médiane

N est l’effectif total de la population

30
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

II- Le mode :

Noté Mo, le mode est la valeur de la variable qui est la plus souvent
observée dans un ensemble de données. C’est donc la valeur qui
correspond à l’effectif le plus élevé.

Il se peut que dans une série il n’y ait aucun mode si aucune des valeurs
n’y parait plus qu’une autre. Il est aussi possible qu’il y ait dans la même
série deux modes (on dit que la série est bimodale), trois modes (série
trimodale), ou plus de trois modes (multimodales).

Le mode n’indique pas nécessairement le centre d’un ensemble de

données.

 Détermination du mode dans le cas d’un caractère discret :

Dans ce cas, le mode est simplement la valeur la plus observée. Sa

détermination est immédiate.

Exemple : Lors d’une compétition sportive, on a compté le nombre de buts

marqués en 10 parties. Les résultats sont comme suit :

7–5–5–6–2–5–1–5–6–2

La valeur la plus abondante est 5 c’est la valeur modale.

 Détermination du mode dans le cas d’un caractère continu :

Lorsqu’on groupe les observations dans des intervalles, on définit le mode

comme étant une valeur qui se situe à l’intérieur de l’intervalle à l’intérieur
duquel se situent la plupart des observations (intervalle modal).

 Calcul algébrique La valeur du mode se calcule par la

formule suivante :
∆1 effectif corrigé de la classe modale(-) l’effectif
∆1 corrigé de la classe précédente
Mo = bi + ai ──────── avec
∆1 + ∆2 ∆2 effectif corrigé de la classe modale(-) l’effectif
corrigé de la classe suivante

bi borne inférieure de la classe modale

ai amplitude réelle de la classe modale

31
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Exemple : les notes obtenues par les étudiants de première année en matière
d’anglais sont :

Xi ni ai Effectifs
corrigés (ni’)

[0 – 5[ 34 5 34

[5 – 10[ 80 5 80

[10 – 20] 80 10 40

L’effectif corrigé le plus élevé est 80 qui correspond à la classe [5-10[ ; le mode
se situe à l’intérieur de cette classe modale.

bi = 5

ai= 5

∆1 = 80-34 = 46

∆2 = 80-40 = 40

46
Mo= 5 + 5 ─────── ce qui donne Mo= 7,67
46+40

On dit alors que 7,67 est la note la plus observée chez ces étudiants concernant
la matière anglais

 Détermination graphique :

On trace d’abord l’histogramme, puis on joigne le sommet gauche du rectangle

représentant la classe modale avec le sommet gauche du rectangle de la classe
qui suit la classe modale ; et le sommet droit du rectangle modal avec le sommet
droit de la classe précédente à la classe modale. Le point d’intersection, projeté
sur l’axe des abscisses, représente la valeur du mode.

32
 Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Selon l’exemple précédemment cité, la détermination graphique du mode se fait

comme suit :

ni’

80

60 ∆1 ∆2

40

20

Xi
0 5 10 15 20

Mo

Si on avait fait une bonne représentation graphique, la valeur du mode donnée

par cette méthode sera la même que celle trouvée par la méthode algébrique
(mo= 7,67).

III- La moyenne : La moyenne est une mesure statistique caractérisant

les éléments d'un ensemble de quantités : elle exprime la grandeur
qu'auraient chacun des individus de la population s'ils étaient tous
identiques sans changer la dimension globale de l'ensemble. Il y a
plusieurs façons de calculer la moyenne d'un ensemble de valeurs,
choisies en fonction de la grandeur physique que représentent ces
nombres.

Le terme « moyenne » est très utilisé dans la vie quotidienne. On

peut l’utiliser pour parler d’une moyenne de notes, d’une vitesse
moyenne ou d’un taux moyen de croissance. Cependant, la
signification et la méthode de calcul de l’une ou de l’autre moyenne
sont différentes. Ainsi, une moyenne de notes est une moyenne
arithmétique, pour la vitesse c’est une moyenne harmonique alors
que pour le taux de croissance, il s’agit d’une moyenne
géométrique. Il faut noter que l’on peut parler d’autres moyennes
33
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

mais qui sont de peu d’intérêt, mais la moyenne la plus

fréquemment utilisée reste l’arithmétique.

 La moyenne arithmétique :

On appelle moyenne arithmétique la somme de toutes les observations

statistiques divisée par le nombre de ces observations.

Cette moyenne est appelée la moyenne simple

puisqu’elle ne prend pas en compte le nombre de répétition
de la même observation parmi l’ensemble des données.

La moyenne arithmétique, lorsqu’elle prend en compte le nombre de répétition

de chaque modalité dans sa formule de base, est appelée « la moyenne
arithmétique pondérée ». Ainsi la moyenne pondérée est égale à la somme des
produits de chaque valeur par l’effectif qui lui est associé divisée par le nombre
total des valeurs . La formule devient alors :

∑ ni Xi ni
= ───────── soit = ∑ fi Xi puisque ─── = fi
N N

Dans le cas d’un caractère continu, les valeurs Xi sont remplacées par les
valeurs Ci, qui désignent les centres des classes. Et on aura :

∑ ni Ci
= ────────
∑ ni

Exemple1 : on veut calculer la moyenne pour la série des notes suivante :

13 – 15 – 8 – 10 – 13 – 11 – 10 – 15 – 13

On calcule la moyenne simple comme suit :

13+ 15 +8 +10 +13 +11 +10 +15+13

= ────────────────────
+13
9
= 12
34
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Maintenant, on porte les données sur un tableau statistique :

Xi ni [Link]

8 1 8

10 2 20

11 1 11

13 3 39

15 2 30

La moyenne pondérée par les effectifs est donnée par la formule :

∑ ni xi 8+20 +11 +39+ 30 +30

= ─────── = ─────────── soit = 12
N 9

Exemple2 : la série des notes obtenues par les étudiants d’une filière sont
comme suit :

Xi ni ci ni. ci

[0 – 4[ 55 2 110

[4 – 8[ 32 6 192

[8 – 12[ 27 10 270

[12 – 16[ 40 14 560

[16 – 20] 26 18 468

total 180 - 1600

∑ ni x ci 1600
= ───────── donc = ─────── soit = 8,89
N 180
35
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Et on conclut que « si tous les étudiants de cette filière avaient eu la même note,
celle-ci serait 8,89 ».

 Propriétés de la moyenne arithmétique

Les propriétés de la moyenne arithmétiques sont nombreuses. On en citera les

plus importantes. Ces propriétés facilitent et simplifient les calculs et servent de
base à l’analyse de la dispersion des données.

 Propriété 1 : La moyenne des écarts algébriques de toutes les valeurs par

rapport à leur moyenne arithmétique est nulle. La moyenne est donc la
valeur la plus proche de toutes les valeurs de la variable étudiée.

∑ fi (Xi - )=0
 Propriété 2 : Si deux variables X et Y sont liées par la relation

yi = (xi – a) / b où (a,b) Є IRxIR* alors = ( X - a)/ b

 Propriété 3 : S i on a trois variables X, Y et Z tel que Z= X + Y alors on

garde la même relation pour leurs moyennes Z = X + . on peut étendre
cette relation à un grand nombre de variables

 Propriété 4 : La moyenne arithmétique est la valeur qui rend minimale la

quantité Q(a) = ∑ fi (Xi - a)2 , on peut donc dire que ∑ fi (Xi - )2 est
minimale quelque soit la variable étudiée.

 Propriété 5 : Soit une population P de taille N, partagée en deux sous-

populations P1 de taille N1 et P2 de taille N2. Donc N= N1 + N2 ; et soit X
une variable statistique observée sur la population P. On peut exprimer sa
moyenne X en fonction des moyennes des deux sous-populations (X1 de la
sous-population P1 et X2 de la sous-population P2) selon la formule
suivante :

X = (N1 X1 + N2 X2) ÷ N Ce résultat se généralise à une partition de k

sous-populations ( avec k ≥ 2)

36
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 Extension de la notion de moyenne

 La moyenne géométrique :

On utilise la moyenne géométrique lorsqu’il s’agit de mesurer la moyenne de

grandeurs dont la croissance est géométrique ou exponentielle. Par exemple la
moyenne des taux d’intérêts, de taux de croissance, des indices des prix, des
indices boursiers... cette moyenne a été introduite par William Stanley Jevons en
1874. Son application suppose que toutes les observations soient positives.

Elle est définie comme la racine énième des produits des observations à la
puissance leurs effectifs respectifs (pondération). Mathématiquement, on peut
utiliser la fonction logarithme pour trouver la valeur de la moyenne
géométrique « G ».

N
G = √x1 1.x2 2…..xp
n n np n n n
= ( x1 1.x2 2…..xp p ) 1/N
n n n
Log G = ( 1/N) log ( x1 1.x2 2…..xp p ) = (1/N) ∑ ni log xi

G = 10log G

On peut utiliser le logarithme népérien à la place du logarithme décimal. Dans

lnG
ce cas, G = e

Exemple : on veut calculer le taux d’intérêt moyen sur une période de 6 ans.
Les 4 premières années, le taux est égale à 8% et pendant les 2 ans restants, le
taux d’intérêt est de 9,25%.

La moyenne utilisée est la géométrique puisqu’il s’agit d’un taux d’intérêt.

1 + G = ( 1,084 x 1,09252)(1/6)

G = 8,415 %

37
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 La moyenne harmonique :

L'utilisation la plus fréquente de la moyenne harmonique concerne les données

sous forme de fractions. Elle est généralement utilisée pour calculer la valeur
moyenne d'un ensemble de valeurs dont l'unité est exprimée en fonction d'une
autre unité (km/h, tonnes/ha, etc.), comme des vitesses moyennes ; des quantités
par unité (nombre de chênes à l'hectare, le PIB par habitants), etc.

Mathématiquement, c’est l’inverse de la moyenne arithmétique des inverses des

valeurs

Exemple : Un véhicule fait un trajet autoroutier de 1500 Kilomètres. Il effectue

les 500 premiers kilomètres à une vitesse de 100Km/h, puis 300 kilomètres à
une vitesse de 130 Km/h et enfin, 700 kilomètres à une vitesse de 120Km/h.

La vitesse moyenne de ce trajet est

1500
H = ────────────────────
(500/100) + (300/130) + (700/120)

H = 114,15 Km/h

 La moyenne quadratique :

On l'utilise quand l'on désire que la moyenne soit positive, ou encore dans le
calcul d'une moyenne des écarts à une valeur centrale (c’est le cas de la
variance), elle est appliquée à des phénomènes présentant un caractère
sinusoïdal avec alternance de valeurs positives et de valeurs négatives. Elle est,
de ce fait, très utilisée en électricité. Sa formule mathématique est :

38
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

NB : lorsqu’il s’agit de faire une étude sur la même série statistique, on aura
toujours l’ordre suivant des moyennes :

Min xi ≤ H ≤ G ≤ ≤ Q ≤ max xi

L’égalité de deux de ces moyennes entre elles entraine leur égalité dans leur
ensemble, et dans ce cas, toutes les valeurs Xi sont égales.

39
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Imaginons que nous voulons comparer entre les salaires horaires de cinq
salariés, accordés par deux entreprises différentes.

Les indications suivantes sont fournies ; les salaires ayant été classés par ordre
croissant.

1ère entreprise : 27,5 - 28,5 - 31,0 - 32,5 - 34,0

2ème entreprise : 23,5 - 24,0 - 31,0 - 32,0 - 43,0

Pour comparer les salaires, on utilise les caractéristiques de tendance centrale. Il

se trouve que les deux entreprises ont la même valeur médiane (31,0 dh), et la
même moyenne arithmétique (30,7 dh).

Les deux séries ont la même médiane et la même moyenne, cependant elles
différent indiscutablement. Il est évident que dans la première entreprise, les
salaires sont plus resserrés (plus concentrés autour des valeurs centrales), sont
plus proches les uns des autres que dans la deuxième entreprise dont les valeurs
sont plus étalées, donc plus dispersées.

Nous sentons alors le besoin de définir des indicateurs qui permettront de

mesurer cette dispersion, et ainsi pouvoir comparer entre deux ou plusieurs
séries statistiques pour lesquelles les indicateurs de tendance centrale se sont
avérés être insuffisants.

Plusieurs caractéristiques permettent de mesurer la dispersion dans une série

statistique, nous étudierons les plus utilisés.

40
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

I- L’étendue :

Appelé également le range ou l’intervalle de variation, l’étendue est la

différence entre la plus grande valeur observée et la plus petite valeur
observée. On le note « E ».

E = X max – X min

Remarque : l’étendue est l’indicateur de dispersion le plus simple à établir,

mais il ne donne qu’une idée imprécise de la dispersion parce qu’il ne prend
en considération que les deux valeurs extrêmes, or celles-ci peuvent
n’apparaître qu’avec une très faible fréquence.

II- L’intervalle interquartiles :

La définition de cette caractéristique de dispersion suppose la connaissance

préalable de la notion de quantiles.

LES QUANTILES sont les valeurs de la variable qui divisent l’effectif total en
« k » parties égales. On trouve la médiane, les quartiles, les déciles et les
centiles.

 La médiane Me sépare les observations en 2 groupes

d'effectifs égaux, chaque groupe correspond à 50% de la
population.
50%
─────────────────────────────
0% Me 100%

 Les quartiles : on a 3 quartiles Q1, Q2, Q3 qui séparent les

observations en 4 groupes d'effectifs égaux. Chaque partie
contient 25% de la population.

25% 50% 75%

─────────────────────────────
0% Q1 Q2 =Me Q3 100%

41
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 Les déciles : On a 9 déciles D1, D2, ..., D9 qui séparent les

observations en 10 groupes d'effectifs égaux. Chaque partie
est composée de 10% de la population.

10% 20% 30% 40% 50% 60% 70% 80% 90%

─────────────────────────────
0% D1 D2 D3 D4 D5=Me D6 D7 D8 D9 100%

 Les centiles : on a 99 centiles C1, C2, ..., C99 qui séparent les
observations en 100 groupes d'effectifs égaux. Chaque partie
correspond à 1% de la population.

─────────────────────────────
D1 D50=Me 100%

La détermination de ces caractéristiques est identique à celle de la médiane .

Les quartiles sont obtenus lorsqu'on a cumulé 25, 50, 75% de la population
Les déciles sont obtenus lorsqu'on a cumulé 10, 20,...., 90% de la population
Les centiles sont obtenus lorsqu'on a cumulé 1, 2,...., 99% de la population

Remarque: la notion de déciles et de centiles n'a de sens que s'il y a beaucoup

d'observations et donc essentiellement pour une variable continue.

L’intervalle interquartiles est celui qui contient les 50% de la population qui
se situent autour de la médiane [Q1-Q3]. L’écart interquartiles est obtenu par la
formule suivante :

EIq = Q3 – Q1

Pour mieux comparer entre les séries statistiques dont la variable prend des
unités différentes, on divise cet écart par la médiane pour éliminer l’effet de
l’unité de mesure. L’écart interquartiles relatif prend la formule :
Q3 – Q1
EIqr = ──────
Me
 L’intervalle interdéciles est aussi un excellent indicateur de dispersion
puisqu’il représente un intervalle qui contient 80% de la population.

 Le rapport interdéciles permet aussi de mesurer la dispersion statistique. Il

est représenté par (D9÷ D1)

42
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

 On peut utiliser également l’intervalle intercentiles pour mesurer la

dispersion.

III- L’écart-type

L’écart-type, noté σ(x), d’une variable statistique X est la caractéristique la

plus couramment utilisée pour mesurer la dispersion ; ou plus précisément
l’étalement des données autour de la moyenne arithmétique.

Généralement, plus les valeurs sont largement distribuées, plus l'écart-type

est élevé.

Algébriquement, l’écart-type est défini comme étant la racine carrée de la

variance V(x). Cette dernière est la moyenne arithmétique des carrés des
écarts par rapport à la moyenne arithmétique.

1
V(x) = ── ∑ni (xi – ) 2
n

Il est possible de développer la formule de la variance pour obtenir une

expression mieux adaptée au calcul.

1
V(x) = ── ∑ ni (xi – ) 2 = (1/n) ∑ni (xi2 + 2
-2 xi)
n

= (1/n)∑ni xi2 + (1/n) ∑ni 2

– 2 (1/n) ∑ni xi

= (1/n) ∑ni xi2 + 2

–2 2

= (1/n) ∑ni xi2 – ( 2) formule simplifiée de Koening

L’écart-type est donc

σ (x) = √(V(x) = √(1/n) ∑ni xi2 – ( 2

)

43
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

IV- Le coefficient de variation :

Cette caractéristique de dispersion est indépendante des unités de mesures.

Le coefficient de variation, noté CV est donné par le rapport de l’écart-type

par la moyenne arithmétique. On note alors :

σ(x)
CV = ───
x

Exemple : une enquête auprès de 500 visiteurs d’un musée âgés d’au moins
15 ans permet d’obtenir la série statistique ci-dessous :

Age en années Nombre de visiteurs

[15 – 25[ 96

[25 – 35[ 118

[35 – 50[ 138

[50 – 65[ 101

[65 – 80] 47

On veut calculer l’écart-type et le coefficient de variation.

Calcul de l’écart-type :

σ (x) = √(V(x) = √(1/n) ∑ni xi2 –( 2

)

On détermine sur le tableau statistique les Ci, les niCi et les niCi2

On a = (1/N) ∑ ni Ci

= (1/500). 20 540

X = 41,08 ans et on dit que : Si on considère que les visiteurs du

musée ont le même âge, cet âge serait 41,08 ans.

44
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Xi ni Ci niCi niCi2

[15 – 25[ 96 20 1 920 38 400

[25 – 35[ 118 30 3 540 106 200

[35 – 50[ 138 42,5 5 865 249 262,5

[50 – 65[ 101 57,5 5 807,5 333 931,25

[65 – 80] 47 72,5 3 407,5 247 043,75

Total 500 - 20 540 974 837,5

V (x) =[ (1/500). 974 837,5] – (41,08)2

V (x) = 262,11

σ (x) = √ 262,11

σ (x) = 16,19 ans et on dit que : Si on considère que toutes les

observations(les âges) s’écartent de la même valeur par rapport à l’âge
moyen(41,08ans), cette valeur serait 16,19 ans.

Calcul du coefficient de variation :

CV(x) = σ (x) / x

CV(x) = 16,19 / 41,08

CV(x) = 0,39 et on dit que la dispersion est faible mais non négligeable. On
a une série plutôt homogène.

45
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

La notion de concentration a été présentée par le statisticien italien Corrado

GINI en 1912 pour mesurer les inégalités dans la distribution des revenus et des
fortunes.

Prenons le cas d’un pays et de la richesse de ses habitants. On peut dire que
celle-ci est bien répartie, ou égalitaire, si chaque habitant a la même richesse.
Dans ce cas, 50% des habitants détiennent 50% des richesses, 10% des
habitants détiennent 10% des richesses, et plus généralement, x% des habitants
détiennent x% des richesses.

Dans le cas où cette richesse n’est pas égalitaire, on peut avoir, par exemple,
90% des habitants qui détiennent 10% des richesses ; ce qui signifie également
que 10% des habitants détiennent 90% des richesses. On dit alors que la richesse
est concentrée sur les 10% d’individus les plus riches.

Le but de ce chapitre est de déterminer si un caractère quantitatif continu est

bien réparti entre les individus ou s’il est, au contraire, concentré sur certains
individus.

L’étude de la concentration suppose que les conditions suivantes soient

vérifiées :

 Le caractère étudié est quantitatif continu à valeurs positives

 La somme des valeurs de la variable étudiée est une chose réelle

et significative

 Le partage de la masse globale (∑niCi) entre les individus est

significatif

46
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

L’étude de la concentration est basée sur trois indicateurs :

 L’écart Médiale – Médiane

 La courbe de concentration

 L’indice de Gini

I- L’écart Médiale – Médiane

La médiale est la valeur de la variable qui partage la masse globale (∑niCi)

en deux parties égales. Chaque partie représente 50%.

Le mode de calcul de la médiale est semblable à celui de la médiane.

Le degré de concentration de la variable étudiée est donné par la formule :

∆M = Ml – Me

Cette formule est donnée en unité de mesure de la variable

Pour relativiser cette notion, et pour qu’elle soit indépendante de l’unité de

mesure, on divise cet écart par l’étendue.

Exemple : soit la série de 3000 exploitations agricoles, qui sont données en

fonction de leurs surfaces.

Surface en hectares Nombre d’exploitations

[0 – 10[ 500

[10 – 20[ 1000

[20 – 30[ 500

[30 – 40[ 400

[40 – 60[ 400

[60 – 100] 200

47
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

Calcul de la médiane : Me ⟹ N/2 = 3000/2 = 1500

On cherche la valeur N/2 dans les nicc

Xi ni Ci nicc nici nicicc

[0 – 10[ 500 5 500 2 500 2 500

[10 – 20[ 1000 15 1500 15 000 17 500

[20 – 30[ 500 25 2000 12 500 30 000

[30 – 40[ 400 35 2400 14 000 44 000

[40 – 60[ 400 50 2800 20 000 64 000

[60 – 100] 200 80 3000 16 000 80 000

total 3000 - - 80 000 -

On trouve 1500 exactement sur les nicc. La médiane est la borne supérieure.

Me = 20 ha

Calcul de la médiale : Ml ⟹ ∑nici / 2 = 80 000/2 = 40 000

Ml se trouve à l’intérieur de l’intervalle [30 – 40[

(∑niCi/2) - nicicc(i-1) 40 000 – 30 000

Ml = bi + ai ──────────── = 30 + 10──────────
ni ci 14 000

Ml = 37,14 ha

∆M = 37,14 – 20

∆M = 17,14 ha

L’étendue E = 100 – 0 = 100

∆M/ 100 = 0,1714. L’écart médiale-médiane représente 17,14% de l’étendue.

Ce qui montre que la concentration des superficies est faible mais non
négligeable.

48
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

II- La courbe de concentration

La courbe de concentration est la représentation graphique d’une courbe

mettant en relation(Pi) qui sont les pourcentages cumulés croissants, et les
(qi) qui sont les cumuls croissants de la masse globale donnée en pourcentage
(qi = nici%cc). Les(Pi) sont portés sur l’axe des abscisses et les(Qi) sur l’axe
des ordonnées. On dessine les points de cordonnées (Pi, Qi). Ces points
forment la courbe de concentration.

Pour l’exemple précédent on aura :

ni ni% Pi nici nici% Qi

500 16,67 16,67 2 500 3,125 3,125

1000 33,33 50 15 000 18,75 21,875

500 16,67 66,67 12 500 15,625 37,5

400 13,33 80 14 000 17,5 55

400 13,33 93,33 20 000 25 80

200 6,67 100 16 000 20 100

∑=3 000 100 ------ ∑=80 000 100 ----------

La courbe de concentration se présente ainsi :

Qi
A
100
Droite d’équirépartition ou
droite d’égalité parfaite
80

60
Courbe de concentration

40
Surface de concentration
20

B
Pi
O 49
20 40 60 80 100
Statistique descriptive [Link] EST de Meknès

__________________________________________________________________________________

La concentration est donnée par la surface de concentration. Plus la

surface de concentration est grande, c’est-à-dire que la courbe de
concentration s’approche de la surface du triangle (OAB), plus la
concentration est forte. Et plus la surface de concentration est petite, et
la courbe de concentration s’approche de la droite d’égalité parfaite,
plus la concentration est faible.

Dans le cas de notre exemple, la concentration est plutôt faible, mais

non négligeable.

III- L’indice de Gini

L’indice de Gini traduit l’interprétation de la courbe de concentration

en chiffres. Il est calculé par la formule :

Surface de concentration
Ig = ─────────────────
Surface du triangle (OAB)

Algébriquement, l’indice de Gini est donné par la formule suivante :

5000 – 1/2 (Pi – Pi-1) (Qi + Qi-1)

Ig = ─────────────────────
5000

L’indice de Gini est toujours compris entre la valeur 0 et la valeur1.

La concentration est faible si la valeur de l’indice de Gini tend vers0 et

elle est forte lorsqu’il tend vers 1.

Dans l’exemple que nous avons pris précédemment, Ig = 0,39 et par

conséquent la concentration est faible mais non négligeable.

50