Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)

31 octobre 2017

SEQUENCE 1 :
ANALYSE DESCRIPTIVE UNIVARIEE ET
BIVARIEE

• But de l'analyse statistique descriptive :

Présenter /ressortir les principales tendances issues des données pour que l'on
puisse en prendre connaissance facilement.

• Peut concerner :

– une variable à la fois : statistique à une dimension (analyse descriptive

univariée)

– deux variables à la fois : statistique à deux dimensions (analyse descriptive

bivariée)

– plus de deux variables à la fois : statistique multidimensionnelle (analyse

descriptive multivariée)

• Principaux outils utilisés :

– Les tableaux : distributions de fréquences

– Les diagrammes : graphiques

– Les paramètres statistiques : réduction des données à quelques valeurs

numériques caractéristiques

Page 1 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

1.1. Introduction
La phase préliminaire à toute approche statistique vise à déterminer et identifier le
problème par un ensemble de questionnements qui permettront de délimiter les
investigations et les différentes approches. Nous appellerons données les valeurs obtenus et
référencées suite à une investigation ou une étude réalisée (mesures, observations,
enquêtes,…).

Dès l’instant où une série de données est recueillie sur une population et que les données
sont trop nombreuses pour être présentées de manière exhaustive, il importe de réfléchir à
la synthèse de cette information. Comment peut-on et doit-on transmettre ces nouvelles
données ? Le défi doit donc être relevé : synthétiser l’information sans la dénaturer. Il faut
donc réussir à traduire les données recueillies sur des dizaines, des centaines voire des
milliers de sujets en quelques chiffres, ou en quelques graphiques pertinents et
compréhensibles de tous, traduisant correctement le phénomène observé sur les données.

Pour choisir la meilleure représentation possible des données, il est nécessaire de pouvoir
définir correctement l’information recueillie et de connaître les outils de la statistique
descriptive. Ainsi, la statistique descriptive vise à représenter des données dont on veut
connaître les principales caractéristiques quantifiant leur variabilité.

Page 2 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

1.2. Concepts et Définitions

1.2.1. Population, unité statistique

On appelle population en statistique, un ensemble généralement très grand, voire infini,
d’individus ou d’objets de même nature. Tous les individus du Cameroun souffrant d’une
HTA constituent une population, de même que l’ensemble des résultats possibles du tirage
du loto. Une population peut donc être réelle ou fictive.
Il est le plus souvent impossible, ou trop coûteux, d’étudier l’ensemble des individus
constituant une population ; on travaille alors sur une partie de la population que l’on
appelle échantillon.
Un individu, ou unité statistique, est un élément de la population étudiée

1.2.2. Variable, caractère

Chaque individu de la population est décrit par un ensemble de caractéristiques appelées

variables ou caractères ; il s'agit de l'ensemble des attributs ou propriétés qui servent à bien
définir ou identifier un individu donné.

Par exemple pour la question « quel est votre âge ? » posée à un individu souffrant de l’HTA,
on définit la variable "AGE", c’est à dire, une fonction dont la valeur obtenue varie d’un sujet
à l’autre et mesure l’âge de l’individu considéré.

La modalité est définie comme une valeur quelconque prise par la variable. "55 ans"
constitue une modalité de la variable "AGE".

Dans la plupart des situations, les informations recueillies auprès des sujets d’une enquête le
sont par le biais d’un questionnaire. A chaque question, une variable ou plus, selon les cas
sera définie. Il s’agit de définir par un nom la fonction qui recueille les réponses possibles.

Pour analyser convenablement les données d'une variable, il est nécessaire de savoir
distinguer son type. Il existe deux grands groupes de variables, les variables quantitatives et
les variables qualitatives.

[Link]. Variable quantitative

Une variable est dite quantitative si un calcul mathématique (somme, moyenne) peut être
réalisé à partir des réponses d’un groupe de sujets à cette question.

De même, toute information pouvant être recueillie par le biais d’une question commençant
par l’adverbe « combien » est une variable quantitative.

Page 3 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

Exemples :

Question Information recueillie variable

Combien d’enfants avez-vous ? Nombre d’enfants par sujet Nbenfant
Combien pesez-vous ? Poids du sujet Poids

Ces variables sont souvent accompagnées d’une unité de mesure ; par exemple,
«kilogramme » pour la deuxième question. L’unité de la première question est l’enfant.

Il faut remarquer que les variables mesurées par le biais des questions précédentes ne sont
pas exactement de même nature, certaines sont continues et d’autres discrètes.

 Variable (quantitative) discrète

Les variables quantitatives mesurant des indicateurs ne prenant qu’un nombre fini de
valeurs entre deux bornes sont appelées variables quantitatives discrètes. Par exemple, le
nombre d'enfants d'une famille est une variable quantitative discrète qui peut prendre les
valeurs : 0, 1, 2, 3, 4, 5, … Une famille ne peut pas avoir 1,4 enfant, ni 2,5 enfants.

 Variable (quantitative) continue

La variable créée à partir de la question 2, c'est à dire le poids, est dite continue car elle peut
prendre une infinité de valeurs entre deux bornes définies par la valeur minimale et la valeur
maximale. Finalement, on regroupe les modalités d’une telle variable par intervalle. Par
exemple [0-25 Kg[ ; [25-50 Kg[ ;[50-75 Kg[ ; [75-100 Kg[ et [100 Kg et plus[.

[Link]. Variable catégorielle ou qualitative

Une variable dite catégorielle ou qualitative est une caractéristique ne répondant pas aux
critères de variables quantitatives vus précédemment et ayant un certain nombre de
catégories ou modalités, c’est à dire de propositions de réponses. Les modalités d'une
variable qualitative doivent être exhaustives et mutuellement exclusives.

 exhaustives car toutes les modalités possibles sont citées. Si l’exhaustivité est
impossible alors une modalité « autre » est proposée englobant l’ensemble des
modalités non citées en clair),

 mutuellement exclusives car chaque sujet peut être classé dans une catégorie et une
seule.

Les variables qualitatives peuvent également être subdivisées en plusieurs types : elle peut
être nominale ou ordinale.

 Variable (qualitative) nominale

La variable a plusieurs modalités sans hiérarchie.

Page 4 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

 Variable (qualitative) ordinale

La variable a plusieurs modalités pouvant être ordonnées selon un ordre logique unique.

Les différentes variables issues des questions ci-dessous ne sont pas exactement du même
type. La première question offre deux choix de réponse, elle va donc définir une variable
binaire. Les modalités de réponse à la seconde question suggèrent une intensité de
satisfaction plus ou moins importante, qui permettra de définir une variable dont les
modalités de réponses peuvent être ordonnées selon un ordre logique, on parle alors de
variable ordinale.

Exemples :

1. Variable qualitative ordinale : "satisfaction par rapport à la qualité des soins reçus"
Êtes-vous satisfait de la qualité des soins reçus ?
 Très satisfait
 satisfait
 moyennement satisfait
 peu satisfait
 pas du tout satisfait
 Sans opinion
2. Variable qualitative nominale : "profession"
Quelle est votre profession ?
 Ouvrier
 Cadre
 artisan
 femme au foyer
 autre.

 Remarque

Une variable qualitative est qualifiée de binaire si elle ne peut prendre que deux modalités.

Exemple : Quel est votre sexe ? Femme Homme

Page 5 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

1.2.3. Fréquences absolue, relative et cumulée

La notion de fréquence peut être exprimée de plusieurs manières :

* Fréquence absolue (ou effectif)

Le terme de fréquence absolue désigne les effectifs : à chaque modalité xi du caractère X,

peut correspondre un ou plusieurs individus dans l'échantillon de taille n. On appelle effectif
(ou fréquence absolue) de la modalité x i , le nombre n i où n i est le nombre d’individus de
chacune des modalités.

* Fréquence relative (ou fréquence)

ni
On appelle fréquence de la modalité xi , le nombre fi tel que fi 
n

 Remarques
 Le pourcentage est une fréquence exprimée en pourcent. Il est égal à 100 fi .
 L’emploi des fréquences ou fréquences relatives s’avère utile pour comparer deux
distributions de fréquences établies à partir d’échantillons de tailles différentes.

* Fréquences cumulées

Soit S une série statistique à une variable de type quantitatif et xi une modalité de S. La
fréquence cumulée croissante associée à xi est la somme des fréquences de toutes les
modalités inférieures ou égales à xi dans la série S.

Dans le cas d'une série S dont les modalités sont regroupées en classes, la fréquence
cumulée croissante de la classe [a ; b[ est la somme des fréquences de cette classe et des
classes qui précèdent (c'est-à-dire dont les éléments sont strictement inférieurs à a).

 Remarques
 La fréquence cumulée croissante de la plus petite modalité ou de la classe à laquelle
appartiennent les plus petites modalités est égale à la fréquence de cette modalité
ou de cette classe ;
 La fréquence cumulée croissante de la plus grande modalité ou de la classe à laquelle
appartiennent les plus grandes modalités est égale à 1 (ou à 100 % pour les
fréquences exprimées en pourcentages).

Page 6 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

1.3. Analyse descriptive univariée

1.3.1. Présentation des données d'une variable

 Séries statistiques, données non groupées

 Simple énumération ou dénombrement des observations, c'est-à-dire des valeurs de
la variable.
 Lorsque les observations sont nombreuses, une même valeur peut être observée
plusieurs fois.
 Peut être ordonnée (variable quantitative)

 Distributions, données groupées

Exemples

 Cas d'une variable qualitative

Tableau 1: Répartition des 402 sujets âgés de plus de 18 ans ayant participé à l’enquête «
hypertension artérielle » à l’Ile Maurice selon le statut professionnel (X)

Statut professionnel (X) effectif fréquence (%)

Sujet au foyer 133 33,1
Cadre 4 1,0
Ouvrier agricole 28 7,0
Artisan / commerçant 32 8,0
Employé 48 11,9
Ouvrier usine 68 16,9
Autre 89 22,1
Total 402 100,0
Source : Enquête "HTA", Ile Maurice, Avril 1999

Page 7 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

 Cas d'une variable discrète avec peu de valeurs distinctes

Tableau 2: Répartition des 402 sujets âgés de plus de 18 ans ayant participé à l’enquête «
hypertension artérielle » à l’Ile Maurice selon le nombre de frères et sœurs (Y)
Nombre de frères et effectif fréquence (%) Fréquences Fréquences
sœurs (Y) cumulées cumulées
croissantes (%) décroissantes (%)
0 63 15,7 15,7 100,0
1 125 31,1 46,8 84,3
2 98 24,4 71,2 53,2
3 63 15,7 86,9 28,8
4 27 6,7 93,6 13,1
5 9 2,2 95,8 6,4
6 9 2,2 98,0 4,2
7 8 2,0 100,0 2,0
Total 402 100,0 - -
Source : Enquête "HTA", Ile Maurice, Avril 1999

 Cas d'une variable continue avec un nombre de valeurs distinctes élevé ou d'une
variable continue

Tableau 3: distribution de 200 individus en fonction de la taille (en cm)

Fréquence Fréquences Fréquences

Effectifs Centres de
Taille (%) cumulées cumulées
ni classes
croissantes (%) décroissantes (%)
[150-160[ 10 150 5,0 10 5,0
[160-170[ 50 165 25 60 30,0
[170-180[ 85 175 43 145 72,5
[180-190[ 50 185 25 195 97,5
[190-200[ 5 195 2,5 200 100,0
Total 200 - 100,0 - -

Remarques

– Les classes sont mutuellement exclusives. Leurs valeurs extrêmes sont appelées bornes
des classes.

Page 8 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

– L'amplitude de la classe encore appelée intervalle ou module de classe correspond à

l'écart entre la borne supérieure et la borne inférieure.

– Le centre ou point central est situé à mi-chemin entre les bornes.

– L'intervalle de classe est généralement constant, toutefois, on utilise parfois une

amplitude variable notamment pour les classes des valeurs extrêmes.

– Dans certains cas la limite inférieure de la première classe ou supérieure de la dernière

classe n'est pas précisée. On parle de classes ouvertes. A éviter !...

– En cas de classes d'amplitudes différentes,

𝐧𝐢
𝐥𝐚 𝐝𝐞𝐧𝐬𝐢𝐭é 𝐝𝐞 𝐟𝐫é𝐪𝐮𝐞𝐧𝐜𝐞 ∶ 𝒅𝒊 = 𝐚𝐦𝐩𝐥𝐢𝐭𝐮𝐝𝐞 𝐝𝐞 𝐥𝐚 𝐜𝐥𝐚𝐬𝐬𝐞 𝐢 la densité de fréquence permet
de comparer les fréquences d'une classe à l'autre.

Toutes les distributions relatives à des variables continues doivent être considérées comme
des distributions groupées, puisque l'infinité de valeurs admissibles est condensée en un
nombre fini de mesures en fonction de la précision de la méthode de mesure utilisée.

1.3.2. Représentation graphique des données

Le graphique donne une présentation alternative (visuelle) de la même information

contenue dans la distribution des unités observées selon la variable étudiée.

De plus, la fréquence étant proportionnelle à l’effectif, les graphiques obtenus lorsque l’on
représente la distribution des effectifs conservent la même allure que ceux obtenus avec la
distribution des fréquences. La seule différence observée entre les deux graphiques se situe
au niveau de l’échelle de l’axe des ordonnées.

Le type de graphique à retenir dépend de la nature de la variable étudiée.

i) Variable qualitative

Les deux types de représentation les plus couramment utilisés sont le diagramme à barres et
le diagramme circulaire.

Page 9 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

• Diagramme à barres (bar chart en anglais)

Graphique 1: Répartition des 402 sujets âgés de plus de 18 ans ayant participé à l’enquête «
hypertension artérielle » à l’Ile Maurice selon le statut professionnel
140 133
120
100 89
Nb de sujets

80 68
60 48
40 28 32

20 4
0

Source : Enquête "HTA", Ile Maurice, Avril 1999

Dans le but d’améliorer la lisibilité, notamment dans le cas ou l’on a observé un grand
nombre de modalités, on peut représenter un diagramme à barres horizontales. Le
graphique ci-dessous est donc équivalent au suivant.

Graphique 2: Répartition des 402 sujets âgés de plus de 18 ans ayant participé à l’enquête «
hypertension artérielle » à l’Ile Maurice selon le statut professionnel

Autre 89

Ouvrier usine 68

Employé 48

Artisan / commerçant 32

Ouvrier agricole 28

Cadre 4

Sujet au foyer 133

0 20 40 60 80 100 120 140

Nb de sujets

Source : Enquête "HTA", Ile Maurice, Avril 1999

Page 10 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

D’autres modifications peuvent être proposées afin de mettre en évidence les modalités les
plus représentées. Une des solutions est d’ordonner les modalités selon un ordre croissant
ou décroissant, le choix dépendant de l’information que l’on souhaite mettre en évidence.

• Diagramme circulaire ou en secteurs ou camembert (pie chart en anglais)

Chaque modalité est représentée par un secteur angulaire dont l’angle au centre (et par
conséquent l’aire) est proportionnelle à l’effectif de la modalité.

Graphique 3: Répartition des 402 sujets âgés de plus de 18 ans ayant participé à l’enquête «
hypertension artérielle » à l’Ile Maurice selon le statut professionnel

Sujet au foyer
Autre 133
89 33%
22%
Cadre
4
1%

Ouvrier usine Ouvrier agricole

68 28
17% 7%
Artisan /
Employé commerçant
48 32
12% 8%

Source : Enquête "HTA", Ile Maurice, Avril 1999

ii) Variable quantitative

On peut représenter soit la distribution d’effectifs (ou de fréquences), soit la distribution

d’effectifs (ou de fréquences) cumulé(e)s. Dans le premier cas, on parle de diagramme
différentiel, et dans le second cas, on parle de diagramme intégral.

Page 11 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

 Diagrammes différentiels

• Cas d’une variable quantitative discrète

 Diagramme en bâtons (bar chart)

Chaque valeur de la variable est représentée par un bâton dont la longueur représente soit
son effectif, soit sa fréquence.

Graphique 4: Répartition des 402 sujets âgés de plus de 18 ans ayant participé à l’enquête
"HTA" à l’Ile Maurice selon le nombre de frères et sœurs (Y)

140

120

100
Nb de sujets

80

60

40

20

0
0 1 2 3 4 5 6 7

Nb de frères et sœurs

Source : Enquête "HTA", Ile Maurice, Avril 1999

 Courbe (ou polygone) des fréquences

C'est la courbe qui relie l'ensemble des points de coordonnées la valeur de la variable et la
fréquence associée.

Graphique 5: Répartition des 402 sujets âgés de plus de 18 ans ayant participé à l’enquête «
HTA » à l’Ile Maurice selon le nombre de frères et sœurs (Y)

Page 12 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

35,0

30,0

25,0
% de sujets

20,0

15,0

10,0

5,0

0,0
0 1 2 3 4 5 6 7 8

Nb de frères et sœurs

Source : Enquête "HTA", Ile Maurice, Avril 1999

Il faut remarquer qu'on peut aussi représenter le polygone des effectifs.

• Cas d’une variable quantitative continue

 Histogramme

Attention : Excel ne sait pas faire de véritables histogrammes !!!

Graphique 6: distribution de 200 individus en fonction de la taille (en cm)

45
40
35
30
Fréquence (%)

25
20
15
10
5
0
[150-160[ [160-170[ [170-180[ [180-190[ [190-200[
Taille (en cm)

 Courbe (ou polygone) des fréquences

C'est la courbe qui relie l'ensemble des points de coordonnées le centre de chaque classe de
la variable et la fréquence associée.

Page 13 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

Graphique 7: distribution de 200 individus en fonction de la taille (en cm)

45
40
35
fréquence (%)

30
25
20
15
10
5
0
140 150 160 170 180 190 200
Taille (en cm)

Remarques

Dans le cas d’une variable quantitative continue avec amplitudes inégales, on

représente en ordonnées soit les effectifs corrigés ou densités d’effectifs (ni/ai),
soit les fréquences corrigées ou densités de fréquences ou tout simplement
densités (fi/ai).

Les diagrammes différentiels peuvent être utilisés pour la détermination

graphique de certains paramètres de position comme le mode (voir section
suivante).

 Diagramme intégral

On utilise le diagramme cumulatif (ou courbe cumulative).

Il est plus courant de représenter les fréquences cumulées en fonction des valeurs de la
variable. Ce graphique par exemple, comme on le verra dans la section suivante, servir à
déterminer graphiquement un paramètre de position appelé médiane.

Il convient de remarquer que dans le cas d’une variable continue, les amplitudes des classes
n’ont pas d’influence pour la courbe cumulative.

Page 14 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

Graphique 8: Diagramme cumulatif de la distribution d’un échantillon de 45 brazzavillois

selon la taille en cm

100
90
80
% cumulé de sujets

70
60
50
40 Croissant
30 Décroissant
20
10
0
0 20 40 60 80 100
Age (ans)

Source : Enquête "HTA", Ile Maurice, Avril 1999

Remarques

Il existe beaucoup d’autres types de graphiques que nous n’avons pas présentés ici à
l'instar du diagramme "tiges et feuilles" (steam-and-leaf, en anglais), le diagramme
en boîte (boxplot, en anglais), etc. Le lecteur intéressé pourra se référer à la
littérature.

Grâce à l’usage accru de l’outil informatique, il appartient à l’analyste de faire le bon

choix dans l’abondante gamme proposée par les logiciels statistiques et les tableurs.

Le plus utile n’est pas seulement de savoir représenter graphiquement une

distribution, mais bien plus de savoir l’interpréter.

1.3.3. Résumé d'une variable quantitative par les paramètres

Les statistiques descriptives visent à représenter des données dont on veut connaître les
principales caractéristiques quantifiant leur variabilité. Trois aspects sont essentiels à
l'interprétation d'une distribution :

Paramètre de position : le centre de la distribution et la répartition autour d'une valeur

centrale (moyenne, mode, médiane, quantiles, ..)

Paramètre de dispersion ou d’étendue : les valeurs sont-elles dispersées ou concentrées ?

Paramètre de forme : la forme de la distribution : la symétrie, l’aplatissement

Page 15 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

[Link]. Paramètre de position et valeurs centrales

Le but des valeurs centrales est de résumer en une seule valeur l'ensemble des valeurs d'une
distribution statistique. Il existe quatre valeurs de positions :

i. Mode ou valeur dominante

C’est la valeur la plus fréquente d'une distribution. Cette valeur se calcule toujours à partir
d'un dénombrement des modalités du caractère. Il faut donc distinguer le cas des caractères
discrets et des caractères continus (voir concepts de base).

Caractère qualitatif et caractère discret : Pour un caractère qualitatif, ou pour un caractère

quantitatif discret ayant un nombre de modalités inférieur au nombre d'éléments, le mode
est la modalité ou la valeur qui a la fréquence simple la plus élevée (ou l'effectif le plus
élevé, ce qui revient au même).

Caractère quantitatif continu : Les modalités étant en nombre infini, il est peu probable que
deux éléments aient la même valeur. Dans ce cas, le mode ne peut pas être défini
directement, il faut au préalable établir une partition en classes. Le mode est alors le centre
de la classe modale, c'est à dire de la classe qui a la fréquence moyenne la plus élevée.

APPLICATIONS

Application 1 : Cas de calcul des modes :

- Cas 1 : Données rangées : le mode est la valeur de la donnée qui apparaît le plus
fréquemment (celle qui a le plus d’occurrences) :140 ; 141 ; 144 ; 144 ; 148 ; 148
; 152 ; 152 ;152 ; 154 ; 155 ; 158 ; 158 ; 161 ; 170 ; 172

Le mode est 152 car il possède le plus grand nombre d’occurrences (il est référencé 3 fois)

- Cas 2 : Données condensées : le mode est la valeur de la donnée qui possède la

fréquence la plus élevée (relative ou absolue).

Modalités xi (âge en années) 14 16 18 21 22 24 25 Total

Effectifs 5 12 10 8 11 7 3 56

Fréquences relatives 0,089 0,214 0,179 0,143 0,196 0,125 0,054 1

Dans cette série statistique, le mode est égal à Mo = 16 ans

- Cas 3 : Données groupées en classes : la classe modale est la classe ayant la plus
haute fréquence (relative ou absolue).

Page 16 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

ii. Moyenne

La moyenne arithmétique, noté X , est la mesure la plus commune de tendance centrale.

Elle est calculée pour les caractères quantitatifs et se définit comme suit :
n

 xi
i 1
X  (Calcul à partir du tableau élémentaire) : f 1
n

Ou encore
p

 ni  xi
i 1
X  (Calcul à partir du tableau de dénombrement) : f 2
n

APPLICATION

Soit la série statistique suivante sur le nombre d’enfants par sujet.

Nombre d’enfants par sujet 0 1 2 3 4 Total

Nombre de sujets 12 8 7 13 5 45

(1 2  0 )  (8  1)  ( 7  2 )  (1 3  3 )  (5  4 )
Le nombre moyen d’enfants par sujet est X   1, 8
45

Remarques :

Si les données ont été regroupées en classes, on ne peut calculer la valeur exacte de
la moyenne. On peut toutefois en déterminer une bonne approximation en
remplaçant chaque classe par son centre.
p

On peut en déduire la formule f 2 l’égalité suivante X   fi  xi

i 1

La moyenne est le centre de gravité de la distribution.

La somme des différences à la moyenne est toujours nulle.
Affectée par les changements de variable.
Si Y = aX + b ; on a : 𝒀 ̅ = 𝒂𝑿̅ +𝒃
La moyenne contrairement à la médiane est très sensible aux valeurs extrêmes.
La moyenne d'un groupe résultant de la fusion d'autres groupes n'est égale à la
moyenne des moyennes que si tous les groupes ont le même effectif.
Si la distribution de la variable suit une loi normale, la moyenne et la médiane et le
mode sont confondus.
La distribution des moyennes de petits échantillons (N<30) indépendants tirés de la
même population suit une loi normale si la distribution de la variable est normale.

Page 17 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

Au-delà de 30, la distribution des moyennes suit une loi normale sans condition sur la
distribution de la variable.
La moyenne de l'échantillon est le meilleur estimateur de la moyenne de la
population.

EXERCICE

Déterminer les moyennes de chacune des distributions statistiques suivantes:

Valeurs 12 13 14 15 16
Fréquences relatives 0.05 0.17 0.43 0.3 0.05

Classes [0 ; 5[ [5 ; 10[ [10 ; 15[ [15 ; 20]

Fréquences relatives 0.05 0.17 0.43 0.3

iii. Médiane et classe médiane

On appelle médiane la valeur "du milieu". On dit qu'elle partage la série statistique en deux
moitiés : il y a autant de valeurs en dessous qu'au-dessus. (C’est la donnée qui permet de
diviser une série ordonnée d’une façon croissante en 2 parties égales (50%, 50%). La
médiane ne peut être calculée que pour les caractères quantitatifs.

Le calcul pratique de la médiane distingue les cas suivants :

• Données non groupées

On range d’abord les observations par ordre croissant ou décroissant.
n 1
- Si n est impair, le rang de la médiane est
2
n n
- Si n est pair, la médiane est la moitié de la somme des observations de rangs et  1.
2 2

• Données groupées (ou pondérées)

- Si la variable est discrète, la médiane est la plus petite valeur de la variable associée a
une fréquence cumulée supérieure ou égale a 50%, ou bien, a un effectif cumulé
n
supérieur ou égal a .
2
- Si la variable est continue, la médiane est déterminée par la technique d’interpolation
linéaire en deux étapes.
 On détermine d’abord la classe médiane ; il s'agit de la classe de la variable qui a la
plus petite fréquence cumulée supérieure ou égale à 0,5 (ou 50%), ou bien le plus
n
petit effectif cumulé supérieur ou égal à . Notons [𝑎, 𝑏[ la classe médiane trouvée.
2

Page 18 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

 la médiane est alors obtenue en utilisant l’une des formules d'interpolation

suivantes :

(𝑏 − 𝑎) × (0,5 − 𝐹𝑎 )
𝑀𝑒 = 𝑎 +
𝐹𝑏 − 𝐹𝑎
(𝑏 − 𝑎) × (𝐹𝑏 − 0,5)
𝑀𝑒 = 𝑏 −
𝐹𝑏 − 𝐹𝑎
𝑛
(𝑏 − 𝑎) × ( − 𝑁𝑎 )
2
𝑀𝑒 = 𝑎 +
𝑁𝑏 − 𝑁𝑎
𝑛
(𝑏 − 𝑎) × (𝑁𝑏 − )
2
𝑀𝑒 = 𝑏 −
𝑁𝑏 − 𝑁𝑎

Avec
𝐹𝑎 est la fréquence cumulée croissante associée à 𝑎, c'est-à-dire, celle de la ligne précédant
la classe [𝑎, 𝑏[
𝐹𝑏 est la fréquence cumulée croissante associée à 𝑏, c'est-à-dire, celle de la ligne
correspondant à la classe [𝑎, 𝑏[
𝑁𝑎 est l'effectif cumulé croissant associé à 𝑎, c'est-à-dire, celui de la ligne précédant la classe
[𝑎, 𝑏[
𝑁𝑏 est l'effectif cumulé croissant associé à 𝑏, c'est-à-dire, celui de la ligne correspondant à la
classe [𝑎, 𝑏[

APPLICATION

Déterminons la taille médiane à partir des données du tableau 3

Tableau 3: distribution de 200 individus en fonction de la taille (en cm)

Effectifs Centres Fréquence Effectifs cumulés Fréquences cumulées

Taille
ni de classes (%) croissants (%) croissantes (%)
[150-160[ 10 150 5,0 10 5,0
[160-170[ 50 165 25 60 30,0
[170-180[ 85 175 43 145 72,5
[180-190[ 50 185 25 195 97,5
[190-200[ 5 195 2,5 200 100,0
Total 200 - 100,0 - -

Page 19 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

La classe médiane est [170-180[, c'est-à-dire, 𝑎 = 170 𝑒𝑡 𝑏 = 180.

On a donc :
𝑛
𝑛 = 200 → = 100
2
𝐹𝑎 = 0,3 (= 30%)
𝐹𝑏 = 0,725 (= 72,5%)
𝑁𝑎 = 60
𝑁𝑏 = 145

En appliquant par exemple la première formule d'interpolation, on obtient :

(180 − 170) × (0,5 − 0,3)
𝑀𝑒 = 170 + = 174,7 𝑐𝑚
0,725 − 0,3

Donc la moitié des individus ont une taille inférieure à 174,7 cm.

iv. Quartiles
Il existe trois quartiles qui partagent la distribution ordonnée en 4 sous-échantillons
d'effectifs égaux.

– Q1: xi tel que Fi = 0,25 => 1/4 des valeurs lui sont inférieures, 3/4 lui sont supérieures.
– Q2 = Médiane
– Q3 : xi tel que Fi = 0,75 => 3/4 des valeurs lui sont inférieures, 1/4 lui sont supérieures.

Dans le cas de données groupées en classes, la détermination des quartiles peut être faite,
comme la médiane graphiquement ou par interpolation linéaire.

Pour déterminer par le premier quartile (𝑄1 ) par interpolation, on procède comme suit :

 On détermine d’abord la classe qui contient 𝑄1 ; il s'agit de la classe de la variable qui

a la plus petite fréquence cumulée supérieure ou égale à 0,25 (ou 25%), ou bien le
𝑛
plus petit effectif cumulé supérieur ou égal à 4 . Notons [𝑎, 𝑏[ la classe trouvée.
 la médiane est alors obtenue en utilisant l’une des formules d'interpolation
suivantes :

(𝑏 − 𝑎) × (0,25 − 𝐹𝑎 )
𝑄1 = 𝑎 +
𝐹𝑏 − 𝐹𝑎
(𝑏 − 𝑎) × (𝐹𝑏 − 0,25)
𝑄1 = 𝑏 −
𝐹𝑏 − 𝐹𝑎
𝑛
(𝑏 − 𝑎) × ( − 𝑁𝑎 )
4
𝑄1 = 𝑎 +
𝑁𝑏 − 𝑁𝑎

Page 20 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

𝑛
(𝑏 − 𝑎) × (𝑁𝑏 − )
4
𝑄1 = 𝑏 −
𝑁𝑏 − 𝑁𝑎

𝐹𝑎 , 𝐹𝑏 , 𝑁𝑏 𝑒𝑡 𝑁𝑏 étant définis comme précédemment.

Pour déterminer par le troisième quartile (𝑄3 ) par interpolation, on procède comme suit :

 On détermine d’abord la classe qui contient 𝑄3 ; il s'agit de la classe de la variable qui

a la plus petite fréquence cumulée supérieure ou égale à 0,75 (ou 75%), ou bien le
3𝑛
plus petit effectif cumulé supérieur ou égal à 4 . Notons [𝑎, 𝑏[ la classe trouvée.
 la médiane est alors obtenue en utilisant l’une des formules d'interpolation
suivantes :

(𝑏 − 𝑎) × (0,75 − 𝐹𝑎 )
𝑄3 = 𝑎 +
𝐹𝑏 − 𝐹𝑎
(𝑏 − 𝑎) × (𝐹𝑏 − 0,75)
𝑄3 = 𝑏 −
𝐹𝑏 − 𝐹𝑎
3𝑛
(𝑏 − 𝑎 ) × ( − 𝑁𝑎 )
4
𝑄3 = 𝑎 +
𝑁𝑏 − 𝑁𝑎
3𝑛
(𝑏 − 𝑎) × (𝑁𝑏 − )
4
𝑄3 = 𝑏 −
𝑁𝑏 − 𝑁𝑎

𝐹𝑎 , 𝐹𝑏 , 𝑁𝑏 𝑒𝑡 𝑁𝑏 étant définis comme précédemment.

APPLICATION

Déterminer 𝑄1 et 𝑄3 à partir des données du tableau 3 ci-dessus.

 Détermination de 𝑄1

La classe contenant 𝑄1 est [160-170[, c'est-à-dire, 𝑎 = 160 𝑒𝑡 𝑏 = 170.

On a donc :
𝑛
𝑛 = 200 → = 50
4
𝐹𝑎 = 0,05 (= 5%)
𝐹𝑏 = 0,3 (= 30%)
𝑁𝑎 = 10
𝑁𝑏 = 60

Page 21 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

En appliquant par exemple la deuxième formule d'interpolation, on obtient :

(170 − 160) × (0,3 − 0,25)

𝑄1 = 170 − = 168 𝑐𝑚
0,3 − 0,05

Donc le quart (25%) des individus ont une taille inférieure à 168 cm.

 Détermination de 𝑄3

La classe contenant 𝑄3 est [180-190[, c'est-à-dire, 𝑎 = 180 𝑒𝑡 𝑏 = 190.

On a donc :

3𝑛
𝑛 = 200 → = 150
4
𝐹𝑎 = 0,725 (= 72,5%)
𝐹𝑏 = 0,975 (= 97,5%)
𝑁𝑎 = 145
𝑁𝑏 = 195

En appliquant par exemple la troisième formule d'interpolation, on obtient :

(190 − 180) × (150 − 145)

𝑄3 = 180 + = 181 𝑐𝑚
195 − 145

Donc les trois quarts (75%) des individus ont une taille inférieure à 181 cm, c'est-à-dire, un
quart (25%) des individus ont une taille supérieure ou égale à 181 cm.

[Link]. Paramètres de dispersion

On appelle dispersion statistique, la tendance qu'ont les valeurs de la distribution d'un
caractère à s'étaler, à se disperser, de part et d'autre d'une valeur centrale. On distingue la
dispersion absolue (mesurée dans l'unité de mesure du caractère) et la dispersion relative
(mesurée par un nombre sans dimension).

Page 22 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

A. Les paramètres de dispersion absolue

Ils indiquent de combien les valeurs d'une distribution s'écartent en général de la valeur
centrale de référence. Un paramètre de dispersion absolue s'exprime toujours dans l'unité
de mesure de la variable considérée.

Les paramètres de dispersion absolue les plus courants sont : l'étendue, l'intervalle (écart)
interquartile, l'écart absolu moyen et surtout la variance et l'écart type.

i. Étendue ou intervalle de variation

L’étendue d’une distribution statistique est la différence entre la plus grande et la plus petite
des valeurs observées.

Ainsi, pour remplacer l’étendue d’une distribution par une caractéristique moins sensible
aux extrêmes, l’écart interquartile.

ii. Écart interquartile (EIQ)

On appelle écart interquartile la différence entre les quartiles extrêmes donc :
EIQ = Q 3  Q 1 .

Remarquons que, dans cet intervalle, est contenue la moitié des observations.

iii. Écart absolu moyen

L'écart absolu moyen de la variable X est la moyenne des écarts des observations par
rapport à la moyenne.

- Données non groupées

∑𝑛𝑖=1|𝑥𝑖 − 𝑋̅ |
𝐸𝐴𝑀 (𝑋) =
𝑛

- Données groupées
𝑝
∑𝑝𝑖=1 𝑛𝑖 |𝑥𝑖 − 𝑋̅|
( )
𝐸𝐴𝑀 𝑋 = = ∑ 𝑓𝑖 |𝑥𝑖 − 𝑋̅|
𝑛
𝑖=1

𝑝 𝑝
avec ∑𝑖=1 𝑛𝑖 = 𝑛 ou ∑𝑖=1 𝑓𝑖 = 1.

iv. Variance et écart-type

La variance et l’écart-type servent à évaluer la dispersion d’une distribution autour d'une
valeur centrale, la moyenne.

La variance est la moyenne du carré des écarts à la moyenne

Page 23 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

- Données non groupées

∑𝑛𝑖=1(𝑥𝑖 − 𝑋̅ )2 ∑𝑛𝑖=1 𝑥𝑖2

𝜎𝑥2 = = − (𝑋̅ )2
𝑛 𝑛

- Données groupées
𝑝 𝑝
∑𝑝𝑖=1 𝑛𝑖 (𝑥𝑖 − 𝑋̅ )2 ∑𝑝𝑖=1 𝑛𝑖 𝑥𝑖2
2
𝜎𝑥 = ̅ 2
= ∑ 𝑓𝑖 (𝑥𝑖 − 𝑋 ) = − (𝑋̅)2 = ∑ 𝑓𝑖 𝑥𝑖2 − (𝑋̅)2
𝑛 𝑛
𝑖=1 𝑖=1

𝑝 𝑝
avec ∑𝑖=1 𝑛𝑖 = 𝑛 ou ∑𝑖=1 𝑓𝑖 = 1.

L'écart type, noté  x

est la racine carré positive de la variance.

NB : sur des échantillons de faible taille (n<30), on utilise l'écart-type modifié, soit en
divisant par n-1 au lieu de n (les calculatrices le font automatiquement).

B. Les paramètres de dispersion relative

On peut citer le coefficient de variation et le rapport interquartile.

i. Coefficient de variation (CV)

L’écart-type est utilise pour apprécier le degré d’homogénéité d’une distribution.

Dans la comparaison de distributions semblables (même unité de mesure, même ordre de

grandeur, …), la plus homogène est celle qui a la plus petite dispersion.

Le coefficient de variation, rapport de l’écart-type à la moyenne arithmétique.

Ecart  type 
CV ( X )  
x

Moyenne arithmétiq ue x

Il permet de faire la comparaison de la dispersion ou plutôt de l’homogénéité entre les

distributions statistiques, surtout lorsque celles-ci ne sont pas semblables.

ii. Rapport interquartile (RIQ)

L’écart-type est utilise pour apprécier le degré d’homogénéité d’une distribution.
𝑄
𝑅𝐼𝑄 = 𝑄3
1

Page 24 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

1.4. Analyse descriptive bivariée

1.4.1. Présentation d’une série à deux variables

L’objectif de cette étude statistique est d’étudier sur une même population de N individus,
deux caractères différents (ou modalités différentes) et de rechercher s’il existe un lien ou
une corrélation entre ces deux variables.

Exemple de relations possibles entre les variables suivantes :

 taille et âge ;
 diabète et poids ;
 taux de cholestérol et régime alimentaire ;
 niche écologique et population ;
 ensoleillement et croissance végétale ;
 toxine et réaction métabolique ;
 survie et pollution ;
 effets et doses;
 organe 1 et 2 ;
 organe et fonction biologique ; …

Les caractères étudiés peuvent être aussi bien qualitatifs que quantitatifs. Les résultats sont
généralement représentés sous forme d’un tableau à double entrée, appelé tableau à deux
dimensions, ou tableau croisé ou tableau de contingence, ou parfois tableau de
corrélation.

Exemple de tableau de contingence

Effet de doses (variable Y)

Sexe (variable X) Effet 1 Effet 2 Effet 3 Total

Homme 43 36 3 82

Femme 49 12 12 73

Total 92 48 15 155

Effets de doses selon le sexe Homme ou Femme

Page 25 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

1.4.2. Présentation générale d'une distribution bivariée

Désignons par (X, Y) le couple de caractères étudiés. À chaque observation conjointe ( xi ; y j )

est associée le nombre d’individus ayant simultanément la valeur xi pour le caractère X et la

valeur y j
pour le caractère Y. Ce nombre est noté n ij et appelé l’effectif associé à
l’observation ( xi ; y j ) .

Y
𝑦1 𝑦2 ... 𝑦𝑗 ... 𝑦𝑧 Total
X
𝑥1 𝑛11 𝑛12 ... 𝑛1𝑗 𝑛1𝑧 𝑛1.

EFFECTIFS MARGINAUX DE Y
𝑥2 𝑛21 𝑛22 ... 𝑛2𝑗 𝑛2𝑧 𝑛2.
.
.
.
𝑥𝑖 𝑛𝑖1 𝑛𝑖2 ... 𝑛𝑖𝑗 𝑛𝑖𝑧 𝑛𝑖.
.
.
.
𝑥𝑘 𝑛𝑘1 𝑛𝑘2 ... 𝑛𝑘𝑗 𝑛𝑘𝑧 𝑛𝑘.
Total 𝑛.1 𝑛.2 ... 𝑛.𝑗 𝑛.𝑧 𝑛
EFFECTIFS MARGINAUX DE X

La ligne et la colonne « total » correspondent aux marges du tableau.

1.4.3. Calcul des fréquences d’une statistique a deux variables

Fréquences relatives partielles

La fréquence de l’observation ( xi ; y j ) s’exprime par l’expression f ij . Elle correspond à la

proportion d’individus qui possèdent simultanément les valeurs xi et y j
. Elle est obtenue
k z
n ij
par la formule suivante : f ij  il est à remarquer que   f ij  1
n i 1 j 1

Fréquences relatives marginales f i et f j

n i n j
f i  et f j  .
n n

Il s’agit des fréquences relatives des distributions marginales.

Page 26 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

Exemple : Tableau des fréquences de l’effet des doses selon le sexe

Effet de doses (variable Y)

Sexe (variable X) Effet 1 Effet 2 Effet 3 Total

Homme (43/155) = 0.28 (36/155) = 0.23 (3/155) = 0.02 (82/155) = 0.53

Femme (49/155) = 0.32 (12/155) = 0.08 (12/155) = 0.08 (73/155) = 0.47

Total (92/155) = 0.59 (48/155) = 0.31 (15/155) = 0.10 1

Dans certaines distributions statistiques bidimensionnelles il est possible de calculer les

moyennes, les variances et les écart-types marginaux lorsque les variables concernées sont
quantitatives. Nous expliciterons ces calculs à travers un exemple. Soit la série statistique
bidimensionnelle du couple (X = poids, Y = taille) suivante :

Taille (variable Y) en cm

Poids (variable X) 170 185 193 Total

65 5 7 8 20

71 4 3 6 13

88 8 6 3 17

95 13 10 5 28

Total 30 26 22 78

 n i  xi
i 1
Moyenne marginale de X : X 
n

 n j  y j
j 1
Moyenne marginale de Y : Y 
n

Page 27 sur 28
 Cours de Biostatistiques - Licence en sciences de la santé (SI & AM)
31 octobre 2017

 n i  x i
2

2
i 1
   X
2
Variance marginale de X : x
n

 n j  y j
2

j 1 2
Variance marginale de Y :   Y
2
y
n

Covariance

Une première approche entre dans la relation éventuelle des valeurs d’une variable X avec
des valeurs d’une variable Y est donnée par le calcul de la covariance. La covariance du
couple(X, Y), notée Cov(X,Y) correspond à la moyenne de ( X  X )( Y  Y ) . La formule est
∑𝑘 𝑧 ̅ ̅
𝑖=1 ∑𝑗=1 𝑛𝑖𝑗 ×(𝑥𝑖 −𝑋 )×(𝑦𝑗 −𝑌 )
donc la suivante : 𝐶𝑜𝑣(𝑋, 𝑌) = 𝑛

Application à l’exemple précédent.

Page 28 sur 28