Introduction et vocabulaire

L’avènement de l’informatique dans les années 1940 (aux États-Unis) puis en Europe (dans les années
1960) permit de traiter un plus grand nombre de données, mais surtout de croiser entre elles des séries
de données de types diérents. C’est le développement de ce qu’on appelle l’analyse multidimensionnelle.

La statistique est donc l’ensemble des instruments et de recherches mathématiques permettant de

Chapitre 1 déterminer les caractéristiques d’un ensemble de données (généralement vaste). Les statistiques sont
le produit des analyses reposant sur l’usage de la statistique. Cette activité regroupe trois principales
branches :

Introduction et vocabulaire – la collecte des données ;

– le traitement des données collectées, aussi appelé la statistique descriptive ;
– l’interprétation des données, aussi appelée l’inférence statistique, qui s’appuie sur la théorie des
sondages et la statistique mathématique.

Bien que le nom de statistique soit relativement récent1 , cette activité semble exister dès la naissance
Une enquête statistique consiste à observer une certaine population (élèves d’une classe, personnes
des premières structures sociales. D’ailleurs, les premiers textes écrits retrouvés étaient des recensements
âgées de 20 à 60 ans dans une région donnée, familles dans une région donnée, exploitations agricoles,
du bétail, des informations sur son cours, et des contrats divers. On a ainsi trace de recensements en
appartements, travailleurs, ...) et à déterminer la répartition d’un certain caractère statistique (note ob-
Chine au XXIIIe siècle av. J.-C. ou en Égypte au XVIIIe siècle av. J.-C.. Ce système de recueil de don-
tenue, taille, nombre d’enfants, supercie, nombre de pièces, secteur d’activité, ...) dans cette population.
nées se poursuit jusqu’au XVIIe siècle. En Europe, le rôle de collecteur est souvent tenu par des guildes
marchandes puis par les intendants de l’État.
Lorsque le caractère statistique prend un nombre ni raisonnable de valeurs (note, nombre d’enfants,
nombre de pièces, secteur d’activité, ...), le caractère statistique est discret.
Ce n’est qu’au XVIIIe siècle que l’on vit apparaître le rôle prévisionnel des statistiques avec la construc-
tion des premières tables de mortalité.
Lorsque le caractère statistique peut prendre des valeurs multiples (taille, supercie, salaire, ...) le
caractère statistique est considéré comme continu.
La statistique mathématique s’appuya sur les premiers travaux concernant les probabilités développés
par Fermat et Pascal. C’est probablement chez Thomas Bayes que l’on vit apparaître un embryon de
Lorsque le caractère statistique est un nombre (taille, note, nombre d’enfant, ...) on parle de carac-
statistique inférentielle. Condorcet et Laplace parlaient encore de probabilité là où l’on parlerait aujour-
tère quantitatif, quand ce caractère n’est pas chiré (langue parlée, secteur d’activité, couleur, ...) on
d’hui de fréquence. Mais c’est à Adolphe Quételet que l’on doit l’idée que la statistique est une science
parle de caractère qualitatif.
s’appuyant sur les probabilités.
Pour résumer, la statistique est une méthode scientique ayant pour objet la collecte, l’analyse et
Le XIXe siècle vit cette activité prendre son plein essor. Des règles précises sur la collecte et l’inter-
l’interprétation d’un ensemble d’observations chirées relatives à un même phénomène.
prétation des données sont édictées. La première application industrielle des statistiques eut lieu avec le
recensement américain de 1890, qui mit en oeuvre la carte perforée inventée par le statisticien Herman
La population est l’ensemble soumis à une étude statistique.
Hollerith. Celui-ci avait déposé un brevet au bureau américain des brevets.
Le caractère est le trait déterminé, commun à tous les éléments de la population sur laquelle porte
Au XXe siècle, ces applications industrielles se développèrent d’abord aux États-Unis, qui étaient
l’étude.
en avance sur les sciences de gestion, puis seulement après la Première Guerre mondiale en Europe. Le
régime nazi employa des méthodes statistiques à partir de 1934 pour le réarmement. En France, on était
Un caractère est dit quantitatif si son intensité varie et que l’on peut mesurer.
moins au fait de ces applications.
Un caractère quantitatif peut être
L’application industrielle des statistiques en France se développa avec la création de l’INSEE, qui
– discret : lorsqu’il ne prend que certaines valeurs d’un intervalle.
remplaça le Service National des Statistiques créé par René Carmille.
– continu : lorsqu’il peut prendre n’importe quelle valeur réelle dans un intervalle de variation.

1 On attribue en général l’origine du nom au XVIIIe siècle de l’allemand Staatskunde

Un caractère est dit qualitatif s’il est non mesurable et que sa nature peut varier.

9 10
Introduction et vocabulaire

Une série ou distribution statistique est l’ensemble des valeurs du caractère considéré pour une
population.

Un échantillon est une partie de la population qu’on étudie, s’il n’est pas possible d’en étudier chaque
élément.
Chapitre 2
La statistique développe un certain nombre d’outils pour traiter les résultats d’une enquête.

En mathématiques élémentaires, les statistiques sont principalement descriptives. Or la tentation est

grande de partir des informations obtenues dans un échantillon pour en tirer une généralité sur la popu-
Séries statistiques simples (à une
lation tout entière. Passer du particulier au général est normalement une démarche interdite, si elle est
faite sans précaution. En ce qui concerne les statistiques, cette démarche est un objectif. dimension)
On aborde alors la deuxième partie des statistiques : la statistique inférentielle ou théorie des sondages.
Cette science permet de déterminer quelles sont les précautions à prendre pour passer du particulier au
général (taille et représentativité de l’échantillon, ...), quels sont les risques d’erreur que l’on peut com- 2.1 Tabulation
mettre. Elle est alors très liée et presque confondue avec la science des probabilités. Aussi, nous ne
l’aborderons pas avant d’en avoir établi les bases. Les résultats d’une enquête consistent en une liste désordonnée d’informations.

Dans cette première partie du cours, nous nous limiterons à l’étude de la statistique descriptive. Ex1 - note de la classe X : 10, 9, 12, 11, 10, 8, 14 ,11 ,9 ,16 ,5 ,12 ,10 ,11 ,10 ,13
L’objectif de la statistique descriptive est de décrire, c’est-à-dire de résumer ou représenter, par des sta-
tistiques, les données disponibles quand elles sont nombreuses. Ex2 - couleur préférée : bleu, rouge, bleu, bleu, jaune, bleu, rouge, bleu, bleu, jaune, jaune, bleu, jaune.

Il faut alors les trier, par ordre croissant, pour le caractère quantitatif, par genre, pour le caractère
qualitatif.

Notes triées : 5, 8, 9, 9, 10, 10, 10, 10, 11, 11, 11, 12, 12, 13, 14, 16

Couleurs préférées triées : bleu, bleu, bleu, bleu, bleu, bleu, bleu, rouge, rouge, jaune, jaune, jaune,
jaune.

Cette présentation sous forme de liste est peu exploitable, on décide alors de présenter les résultats
de l’enquête sous forme d’un tableau d’eectifs. L’eectif ou fréquence absolue d’une valeur x i est le
nombre ni de fois où cette valeur xi apparaît.

Exemple 1 : note xi des élèves

notes xi x1 = 5 x2 = 8 x3 = 9 x4 = 10 x5 = 11 x6 = 12 x7 = 13 x8 = 14 x9 = 16 Total
effectifs ni n1 = 1 n2 = 1 n3 = 2 n4 = 4 n5 = 3 n6 = 2 n7 = 1 n8 = 1 n9 = 1 ntot = 16

Dans ce tableau, par exemple, on voit directement que 3 élèves sur les 16 interrogés ont obtenu un 11.

11 12
Séries statistiques simples (à une dimension) Tabulation Séries statistiques simples (à une dimension) Classes

p
Exemple 2 : couleur xi préférée On a forcément que Np = j=1 nj = n.

Couleurs xi Eectifs ni
La fréquence relative fi de la donnée xi est donnée par
x1 = Bleu n1 = 7
ni
x2 = Rouge n2 = 2 fi =
n
x3 = Jaune n3 = 4
Par conséquent,
Total ntot = 13 p
i=1 fi = f1 + f2 + ... + fp
np
Dans ce tableau, par exemple, on voit directement que 7 personnes sur les 13 questionnées préfèrent = n + n + ... + n
n1 n2

le bleu. = n1 (n1 + n2 + ... + np )

p
= 1
n i=1 ni
Lorsque la population étudiée est trop grande, ou bien lorsque l’on cherche à faire la comparaison entre = 1
deux populations de tailles diérentes, on préfère se ramener à une population de 100, donc travailler en La fréquence relative cumulée Fi de la donnée xi est donnée par
pourcentages, appelés ici fréquences fi . i
∑
Fi = fj = f1 + f2 + ... + fi
Exemple 1 : note xi des élèves j=1
p
notes xi 5 8 9 10 11 12 13 14 16 Total On a forcément que Fp = j=1 fj = 1.
fréquences (en %) fi 6, 25 6, 25 12, 50 25, 00 18, 75 12, 50 6, 25 6, 25 6, 25 100
fréq. cumulées (en %) Fi 6, 25 12, 50 25, 00 50, 00 68, 75 81, 25 87, 50 93, 75 100

Dans ce tableau, grâce à la fréquence cumulée, par exemple, on voit directement que 25 % des 16 2.2 Classes
étudiants interrogés ont obtenu une note strictement inférieure à 10.
Lorsque les résultats de l’enquête statistique sont trop nombreux pour que la liste triée des valeurs soit
Exemple 2 : couleur xi préférée lisible (supérieur à 20 en général), on préfère perdre de l’information et ranger les données par intervalles
appelés classes. Il faut alors que, dans chaque classe, la répartition des valeurs soit régulière. Sinon, il
Couleurs xi Fréquences (en %) fi Fréq. cumulées (en %) Fi
faut aner et prendre des classes plus petites. Il n’est pas indispensable que les classes soient de même
Bleu 53, 85 53, 85
amplitude, mais il est préférable de ne pas dénir de classes de la forme « plus de ... » qui empêche-
Rouge 15, 38 69, 23
rait alors tout traitement ultérieur (histogramme, moyenne, ...). On compte alors le nombre de fois où
Jaune 30, 77 100
la valeur du caractère tombe dans l’intervalle [xi , xi+1 [, ce nombre est appelé eectif de la classe [xi , xi+1 [.
Total 100

Dans ce tableau, par exemple, on voit directement qu’un peu plus de 50 % de ces 13 personnes pré- Exemple : Répartition des revenus annuels en milliers d’euros dans une population de 4370 personnes.
fèrent le bleu et qu’un peu moins de 70 % préfèrent le bleu ou le rouge. Salaires [0, 8[ [8, 12[ [12, 16[ [16, 20[ [20, 30[ [30, 40[ [40, 60[ Total
Eectifs 306 231 385 1180 1468 568 232 4370
Pour résumer, les p diérentes valeurs ou natures des caractères constituent les p données x 1 , x2 , ... xp .
Fréquences 7, 0 5, 3 8, 8 27, 0 33, 6 13, 0 5, 3 100

Le nombre de fois qu’une donnée xi se présente dans la distribution s’appelle l’eectif (ou répétition, Puisque l’on a estimé que la répartition dans chaque classe était régulière, on peut armer que le mi-
ou fréquence absolue) ni . lieu de la classe est représentatif de la classe. On va donc remplacer les ni individus de la classe [xi , xi+1 [
par ni individus dont le caractère statistique prendrait la valeur m i = xi +x2
i+1
.
L’eectif total n (nombre total de données) est donné par la somme des eectifs ni . On a
p
∑
ni = n1 + n2 + n3 + ... + np−1 + np = ntot = n 2.3 Représentation graphique des séries quantitatives
i=1

L’eectif cumulé Ni de la donnée xi est donné par 2.3.1 Diagramme en bâtons

i
∑ On porte en abscisse les bornes des classes et en ordonnées les fréquences ou les eectifs. À partir de
Ni = nj = n1 + n2 + ... + ni
j=1 chaque point obtenu, on abaisse un segment perpendiculairement à l’axe des abscisses. Cette représenta-

13 14
Séries statistiques simples (à une dimension) Représentation graphique des séries quantitatives Séries statistiques simples (à une dimension) Paramètres de position

tion met par exemple en évidence des maxima ou minima éventuels. ou

g(x) = Ni avec ni ≤ x < ni+1

Ce graphique permet de repérer facilement la médiane (voir plus loin).

2.3.2 Histogramme
On porte en abscisse les bornes des classes et en ordonnée les fréquences. On représente, pour chaque
classe, un rectangle dont la base est proportionnelle à l’intervalle de la classe et la hauteur est proportion- 2.3.5 Polygone cumulatif
nelle à la fréquence ou à l’eectif correspondant et inversément proportionnelle à la largeur de l’intervalle On porte sur un graphe les points ayant pour abscisse les bornes supérieures des classes et en ordon-
de cette classe. L’histogramme est la ligne brisée bordant l’ensemble des rectangles. Cette représentation nées les fréquences cumulées correspondantes (y compris la première classe de fréquence nulle). On joint
met en évidence le fait qu’une classe contient plusieurs éléments dont la mesure de la caractéristique a ces points par ordre d’abscisses croissants.
été ramenée à la valeur centrale.

Fig. 2.1 – Répartition des revenus annuels en milliers d’euros dans une population de 4370 personnes.

Plus généralement, pour un même eectif, si l’amplitude de la classe est deux fois plus grande, la
hauteur du rectangle doit être deux fois plus petite.

2.3.3 Polygone des fréquences

Fig. 2.2 – Répartition des revenus annuels en milliers d’euros dans une population de 4370 personnes.
On reprend les coordonnées des points du diagramme en bâtons (centre de classe, fréquence). On y
ajoute les deux points correspondants à la première et dernière classe de fréquence nulle et on joint ces
points par ordre d’abscisses croissants. Ce graphique met en évidence la variation de la fréquence ou de
l’eectif d’une classe à la suivante. 2.4 Paramètres de position
En statistiques, on est en général en présence d’un grand nombre de valeurs. Or, si l’intégralité de ces
valeurs forme l’information, il n’est pas aisé de manipuler plusieurs centaines voir milliers de chires, ni
2.3.4 Diagramme cumulatif d’en tirer des conclusions. Il faut donc calculer quelques valeurs qui vont permettre d’analyser les données.
On porte en abscisse les données et en ordonnée les fréquences (ou eectifs) cumulées. On dessine la
fonction En mesure physique (métrologie), on va en général calculer deux valeurs : la moyenne, qui représentera
f (x) = Fi avec xi ≤ x < xi+1 la « valeur » de la mesure, et l’écart type (paramètre de dispersion), qui va estimer l’erreur de mesure.

15 16
Séries statistiques simples (à une dimension) Paramètres de position Séries statistiques simples (à une dimension) Paramètres de position

Dans d’autres domaines, on va vouloir avoir une description plus ne de la répartition des valeurs, et 2.4.3 Mode
donc calculer d’autres paramètres de position.
Le mode est la valeur du caractère statistique qui apparaît le plus fréquemment.

Exemple 1 : note des élèves

2.4.1 Extrema
note xi 5 8 9 10 11 12 13 14 16 Total
La valeur maximale est la plus grande valeur prise par le caractère statistique.
eectif ni 1 1 2 4 3 2 1 1 1 16
La valeur minimale est la plus petite valeur prise par le caractère statistique.
Le mode est 10. Exemple 2 : note des élèves

note xi 5 8 9 10 11 12 13 14 16 Total
2.4.2 Médiane
eectif ni 1 1 4 2 2 4 1 1 1 16
La médiane est la valeur du caractère statistique qui coupe la population en deux populations de
Cette série est dite série bimodale car on voit apparaître deux modes : 9 et 12.
taille égale. Sur le polygone cumulatif, il s’agit de l’abscisse du point dont l’ordonnée, qui est la fréquence
cumulée, vaut 50 %.
Dans le cas d’une variable continue, on peut entendre parler de classe modale qui serait la classe de
plus grand eectif. Mais il faut se méer de cette notion car, plus la classe est de grande amplitude, plus
son eectif est important sans pour autant que cela soit signicatif. Cette notion de classe modale dénie
Cas discret
par les eectifs de la classe n’a de sens que si les classes ont même amplitude. Si les amplitudes sont
On trie les valeurs par ordre croissant. diérentes, il faut aller chercher sur l’histogramme la classe associée au rectangle de plus grande hauteur.

– Si la population comporte n individus et si n est impair alors n = 2p + 1, la médiane sera la (p + 1) e Exemple : Répartition des revenus annuels en milliers d’Euros dans une population de 4370 personnes.
valeur du caractère statistique.
Salaire [0, 8[ [8, 12[ [12, 16[ [16, 20[ [20, 30[ [30, 40[ [40, 60[ Total
Exemple : série de 13 notes : 4, 5, 7, 8, 8, 9, 10, 10, 10, 11,12, 13, 16. Médiane = M = 10 Eectif 306 231 385 1180 1468 568 232 4370
Fréquence (en %) 7, 0 5, 3 8, 8 27, 0 33, 6 13, 0 5, 3 100
– Si la population comporte n individus et si n est pair alors n = 2p, la médiane sera la moyenne Fréquence/Intervalle 0, 875 1, 325 2, 200 6, 750 3, 360 1, 300 0, 265
entre la pe et (p + 1)e valeur du caractère statistique.
L’observation de ce tableau laisse penser que la classe modale serait la classe [20, 30[. Mais une obser-
vation de l’histogramme, et donc de la fréquence divisée par la largeur de l’intervalle, corrige cette idée
Exemple : série de 12 notes : 4, 5, 7, 8, 8, 9, 10, 10, 10, 11, 13, 16. Médiane = M = 9, 5
fausse : La classe modale est la classe [16, 20[.

Cas continu
2.4.4 Quartiles
On utilise le polygone des fréquences cumulées croissantes et le tableau correspondant et on déter-
Les quartiles sont les trois valeurs qui partagent la population en 4 sous-populations de même taille
mine graphiquement ou par interpolation linéaire la valeur M pour laquelle la fréquence de l’intervalle
(25 %). Ces valeurs correspondent donc aux fréquences cumulées de 25 %, 50 % et 75 %.
[valeur min, M ] vaut 50 %.

Dans l’exemple précédent, le tableau des fréquences cumulées croissantes est :

Cas discret
xi 0 8 12 16 20 30 40 60
On range les valeurs par ordre croissant.
fréq. cumulée croissante (en %) 0 7 12, 3 21, 1 48, 1 81, 7 94, 7 100

50−48,1 On détermine le second quartile qui correspond à la médiane. Puis on cherche la médiane de la pre-
Les 50 % sont atteint entre 20 et 30 donc pour une valeur M que l’on estime à 20+10 81,7−48,1 = 20, 56
mière moitié de la population qui correspond au 1er quartile. On cherche la médiane de la seconde moitié
par interpolation linéaire.
de la population qui correspond au troisième quartile.

17 18
Séries statistiques simples (à une dimension) Paramètres de position Séries statistiques simples (à une dimension) Paramètres de position

Si la population est de taille n, on distingue 4 cas : supérieur.

La série de notes est 4, 5, 7, 8, 8, 9, 10, 10, 10, 11, 12, 13, 16
– Si n = 4p : Q1 = 8, Q2 = 10, Q3 = 12
– Q1 = moyenne entre la pe et la (p + 1)e valeur.
– Q2 = moyenne entre la (2p)e valeur et la (2p + 1)e valeur. On s’aperçoit que cette approximation rend dissymétrique la dénition, que le second quartile ne
– Q3 = moyenne entre la (3p)e valeur et la (3p + 1)e valeur. correspond plus à la médiane et que les valeurs obtenues dièrent de celles de la dénition précédente.
Exemple : série de 12 notes : 4, 5, 7, 8, 8, 9, 10, 10, 10, 11, 13, 16 Son avantage est de rendre la recherche des quartiles (approchés) plus facile sans que l’on soit obligé de
Q1 = 7,5 ; Q2 = 9,5 ; Q3 = 10,5 distinguer 4 cas. Les diérences obtenues par l’une ou l’autre des méthodes se révèlent négligeables et
justient l’usage de cette approximation.
– Si n = 4p + 1 :
– Q1 = moyenne entre la pe et (p + 1)e valeur.
– Q2 = (2p + 1)e valeur. Cas continu
– Q3 = moyenne entre la (3p + 1)e valeur et la (3p + 2)e valeur.
On calcule les quartiles comme la médiane, graphiquement grâce au polygone des fréquences cumulées
Exemple : série de 13 notes 4, 5, 7, 8, 8, 9, 10, 10, 10, 11,12, 13, 16
croissantes, et par interpolation linéaire grâce au tableau correspondant.
Q1 = 7,5 ; Q2 = 10 ; Q3 = 11,5

Le tableau des fréquences cumulées croissantes est :

– Si n = 4p + 2 :
– Q1 = (p + 1)e valeur. xi 0 8 12 16 20 30 40 60
– Q2 = moyenne entre la (2p + 1)e valeur et la (2p + 2)e valeur. fréq. cumulées croissantes (en % 0 7 12, 3 21, 1 48, 1 81, 7 94, 7 100
– Q3 = (3p + 2)e valeur.
Exemple : série de 14 notes 4, 5, 7, 8, 8, 9, 9, 10, 10, 10, 11, 12,13, 16 25% est atteint dans l’intervalle [16, 20] soit pour une valeur de Q1 obtenue par interpolation linéaire
25−21,1
Q1 = 8 ; Q2 = 9,5 ; Q3 = 11 Q1 = 16 + 4 48,1−21,1 = 16, 57.

– Si n = 4p + 3 : Q2 = M = 20, 56.
– Q1 = (p + 1)e valeur.
– Q2 = (2p + 2)e valeur. 75% est atteint dans l’intervalle [20, 30] soit pour une valeur de Q3 obtenue par interpolation linéaire
75−48,1
– Q3 = (3p + 3)e valeur. Q3 = 20 + 10 81,7−48,1 = 28, 00.
Exemple : série de 15 notes 4, 5, 7, 8, 8, 9, 9, 10, 10, 10, 11,11, 12, 13, 16
Q1 = 8 ; Q2 = 10 ; Q3 = 11
2.4.5 Déciles et percentiles
En pratique, on range les valeurs par ordre croissant. Les déciles sont les 9 valeurs qui partagent la population en 10 sous-populations de même taille. Ces
valeurs correspondent donc aux fréquences cumulées de 10 %, 20 %, ... 90 %.
Q1 est la première valeur pour laquelle l’intervalle [x min , Q1] regroupe au moins 25 % de la population.
Q2 est la première valeur pour laquelle l’intervalle [x min , Q2] regroupe au moins 50 % de la population. Par conséquent, les percentiles sont les 99 valeurs qui partagent la population en 100 sous-populations
Q3 est la première valeur pour laquelle l’intervalle [x min , Q3] regroupe au moins 75 % de la population. de même taille. Si la fréquence cumulée est exprimée en pourcents les percentiles sont les valeurs de la
variable correspondant respectivement aux fréquences cumulées.
En reprenant les exemples précédents :
Notons nalement que la médiane correspond au 5e décile et au percentile 50.
Si n = 12 : 25 % de n = 3, puis 50 % de n = 6, puis 75 % de n = 9.
La série de notes est 4, 5, 7, 8, 8, 9, 10, 10, 10, 11, 13, 16
Q1 = 7, Q2 = 9, Q3 = 10
2.4.6 Moyenne
Si n = 13 : 25 % de n = 3, 25, puis 50 % de n = 6, 5, puis 75 % de n = 9, 75 que l’on arrondit à l’entier Il y a plusieurs façon de calculer une moyenne d’un ensemble de nombres. Celle qu’il convient de
retenir dépend de la grandeur physique que représentent ces nombres. Lorsque, dans le langage courant,

19 20
Séries statistiques simples (à une dimension) Paramètres de position Séries statistiques simples (à une dimension) Paramètres de position

on parle de moyenne, on évoque en fait la moyenne arithmétique. Si un train fait un trajet aller-retour entre 2 villes à la vitesse constante v 1 pour l’aller et à la vitesse
constante v2 au retour, la vitesse moyenne du trajet total n’est pas la moyenne arithmétique des 2 vi-
La moyenne est la valeur unique que devraient avoir tous les individus d’une population (ou d’un tesses, mais leur moyenne harmonique.
échantillon) pour que leur total soit inchangé. Dans la plupart des cas, le total formé par les individus
d’une population est la somme de leurs valeurs. La moyenne est alors la moyenne arithmétique. Mais si
le total représenté par une population ou un échantillon n’est pas la somme de leurs valeurs, la moyenne Moyenne géométrique
pertinente ne sera plus la moyenne arithmétique. Si, par exemple, le total d’un ensemble d’individus est
La moyenne géométrique est dénie de la manière suivante :
calculé par l’inverse de la somme des inverses (cas des vitesses d’un ensemble de fractions d’un trajet,
√
par exemple), on doit calculer leur moyenne harmonique. Si, par exemple, le total d’un ensemble d’indi-  n
∏
vidus est le produit de leurs valeurs, il convient de calculer leur moyenne géométrique. On rencontre, en x̄g = 
n
xi
physique, de multiples moyennes : La capacité moyenne d’un ensemble de condensateurs en série est la i=1

moyenne harmonique de leurs capacités. On peut illustrer la moyenne géométrique avec les deux cas suivants :
– Si l’ination d’un pays est de 5 % la première année et de 15 % la suivante, l’augmentation moyenne
La moyenne ne peut donc se concevoir que pour une variable quantitative. On ne peut pas faire le des prix se calcule grâce à la moyenne géométrique des coecients multiplicateurs 1,05 et 1,15 soit
total des valeurs d’une variable qualitative. une augmentation moyenne de 9,88 % et non grâce à la moyenne arithmétique 10 %.
– Le carré (c’est-à-dire le rectangle moyen à deux cotés égaux) qui a même surface (le total considéré
De manière générale, la moyenne n’est pas forcément une manière pertinente de représenter les don- ici) qu’un rectangle de cotés 3 et 7 a pour coté la moyenne géométrique des deux cotés du rectangle
√
nées. On peut, par exemple, lui préférer la valeur médiane qui représente la valeur à laquelle 50 % 2
3.7 = 4, 58.
des valeurs observées sont inférieures. La médiane n’est pas (sauf exception ou hasard) équivalente à la
moyenne arithmétique de l’ensemble.
Moyenne quadratique

La moyenne quadratique est dénie de la manière suivante :

Moyenne arithmétique
√
 n
La moyenne arithmétique est la moyenne ordinaire, c’est-à-dire la somme des valeurs numériques (de 1 ∑
x̄q =  x2
la liste) divisée par le nombre de ces valeurs numériques. Exemple : la hauteur moyenne des toits d’une rue. n i=1 i

Exemple : Si un rectangle a pour côtés 3 et 7, le carré (c’est-à-dire le rectangle moyen) qui a même
Cas de la série statistique discrète triée mais non regroupée
diagonale (le total considéré ici) que ce rectangle, a pour côté la moyenne quadratique de 3 et 7, c’est-à-
1∑
n
dire 5,385.
µ = x̄ = xi
n i=1
Cas de la série statistique discrète regroupée
Moyenne pondérée
p ∑p
ni xi La moyenne pondérée est utilisée, par exemple, en géométrie pour localiser le barycentre d’un poly-
µ = x̄ = i=1
p = fi xi
i=1 n i i=1 gone, en physique pour déterminer le centre de gravité ou en statistique et probabilité pour calculer une
Cas de la série continue (les mi sont les milieux de classes) espérance. On la calcule ainsi :
p p
n
∑ w i xi
i=1 ni mi x̄w = i=1
µ = x̄ =  p = fi m i n
i=1 ni i=1 wi
i=1
Dans le cas général le poids wi représente l’inuence de l’élément xi par rapport aux autres.
Moyenne harmonique

La moyenne harmonique est dénie de la manière suivante : A noter qu’il s’agit ici de la moyenne pondérée arithmétique.

n
x̄h = n 1
i=1 xi

21 22
Séries statistiques simples (à une dimension) Paramètres de position Séries statistiques simples (à une dimension) Paramètres de dispersion

Valeur moyenne d’une fonction En eet,

p x′i
x̄′ =
Pour toute fonction continue (ou même seulement continue par morceaux) sur un segment [a, b] non i=1 n
= n ((ax1 + b) + (ax2 + b) + ... + (axp
1
+ b))
vide et non trivial (b > a), la valeur moyenne de f sur [a, b] est le réel f¯[a,b] déni par :
= n (a(x1 + x2 + ... + xp ) + nb)
1

∫ = ax̄ + b
1 b
f¯[a,b] = f (x) dx
b−a a Cette propriété est utile pour changer d’unité : si on connaît une moyenne de température en degré
Cette notion généralise celle de moyenne d’un nombre ni de réels en l’appliquant à un nombre in- Fahrenheit, il est inutile de convertir toutes les valeurs en degrés Celsius pour calculer la moyenne
ni de valeurs prises par une fonction intégrable. Elle sert par exemple dans la décomposition en série en degrés Celsius, il sut de ne convertir que la moyenne.
de Fourier d’une fonction périodique : c’est la composante constante. En traitement du signal, pour les
signaux périodiques, il s’agit de la composante continue. Il est aussi intéressant, pour limiter la taille des nombres, de partir d’un moyenne estimée M est et
de calculer la moyenne des x′i = xi − Mest . Dans ce cas, x̄ = Mest + x̄′
Notons que lorsque la fonction est périodique de période T , elle a la même valeur moyenne sur toute
période [a, a + T ]. Cette valeur commune est appelée valeur moyenne de la fonction. Ainsi la fonction
cosinus est de moyenne nulle, son carré de moyenne 1/2.
2.5 Paramètres de dispersion
2.5.1 Intervalle de variation
2.4.7 Propriétés de la moyenne
L’intervalle de variation représente l’écart entre les extrema. Il s’agit donc de la diérence entre la
1. Soit x′i = xi − x̄, l’écart entre la donnée xi et la moyenne x̄. On a
valeur maximum et minimum des valeurs.
p
∑
x′i = 0
i=1
2.5.2 Intervalle interquartile
En eet,
p ′
i=1 xi = (x1 − x̄) + (x2 − x̄) + ... + (xp − x̄) L’intervalle interquartile contient la moitié centrale des observations. Il s’agit donc de la diérence
= (x1 + x2 + ... + xp ) − nx̄ entre la valeur du 1er et du 3eme quartile.
= nx̄ − nx̄
= 0
2. La somme des carrés des écarts des données xi par rapport à la moyenne x̄ est minimum. On a
2.5.3 Dérivation moyenne
p
∑ La dérivation moyenne D.M. est égale à la moyenne des valeurs absolues des écarts à la moyenne. On
(xi − x̄)2 est minimum a
i=1
n
1∑
En eet, avec r ∈ R\{x̄}, D.M. = |xi − x̄|
n i=1
p p
i=1 (xi − r)2 = (xi − x̄ + x̄ − r)2 Pour une série distribuée en p fréquences, on a
p i=1
= i=1 ((xi − x̄) + (x̄ − r))
2
p p
= ((x − x̄) 2
+ 2(x − x̄)(x̄ − r) + (x̄ − r)2 ) f |x −
pi i
x̄|
p i=1 i
p
i
p D.M. = i=1
= i=1 (xi − x̄) + 2(x̄ − r) i=1 (xi − x̄) + (x̄ − r) i=1 1 i=1 fi
2 2
p
= i=1 (xi − x̄) + 0 + (x̄ − r) p
2 2

=
 p 2.5.4 Variance
i=1 (xi − x̄) + p(x̄ − r)
2 2
p
i=1 (xi − x̄)
2
> La variance représente la moyenne de la somme des carrés des écarts à la moyenne.

3. La moyenne est stable par transformation ane. C’est-à-dire si x ′i = axi + b, si x̄ est la moyenne 1. Pour une population, on utilise
de la série {xi } alors la moyenne de la série {x′i } est x̄′ = ax̄ + b.

23 24
Séries statistiques simples (à une dimension) Paramètres de dispersion Séries statistiques simples (à une dimension) Paramètres de dispersion

p
1∑
n
f (x − x̄)2 2.5.6 Propriétés de la variance
σ2 = (xi − x̄)2 = pi i
i=1
n i=1 i=1 fi 1. L’écart-type σ est toujours positif.
2. Pour un échantillon, on utilise 
σ2 = n i (xi − x̄)
1 2

n p = | n1 | i |xi − x̄|2
1 ∑ f (x − x̄)2
s2 = (xi − x̄)2 = p i i
i=1
≥ 0
n − 1 i=1 i=1 fi − 1

– Exemple : On souhaite étudier un caractère relatif à tous les belges mais on n’étudie qu’une partie ⇒σ≥0
de la population belge, c’est-à-dire un échantillon.
2. Soit x′i = axi + b. Donc, x̄ = ax̄ + b. Dès lors, on a
′
– Exemple : L’orsqu’on eectue des mesures en chimie, les n mesures répétées ne sont qu’un échan-
tillon de l’innité des mesures possibles.  ′
σ ′2 = 1
(x − x̄′ )2
n i i
= 1
n i (axi + b − ax̄ − b)
2

Remarquons que pour n susamment grand, on peut faire l’approximation σ 2 ≈ s2 . = 1
n i (ax i − ax̄) 2

= a2 n1 i (xi − x̄)2
2.5.5 Ecart-type et déviation standart = 2 2
a σ

La variance présente le désavantage d’avoir les dimensions des données élevées au carré, c’est pourquoi ⇒ σ ′ = aσ
on utilise l’écart-type qui est la racine carrée de la variance.
√ 3. Théorème de König-Huyghens :
1. Pour une population : σ = σ 1
√ 
2. Pour un échantillon : s2 = s2 et dans ce cas, on appelle plutôt s la déviation standart. σ2 = 1
i (xi − x̄)
2
n
= 1
i (xi − 2x̄xi + x̄ )
2 2
n   2
= 1
n
2 2
i xi − n x̄ i xi + n
1
i x̄
Remarquons que, dans le cas d’une distribution normale (gaussienne),  2 
= 1
n x
i i − 2x̄( 1
n x
i i ) + 1
n nx̄
2
– 50% des valeurs sont comprises dans l’intervalle x̄ ± 23 σ 
= 1
n i xi − 2x̄x̄ + x̄
2 2
– 68,27% des valeurs sont comprises dans l’intervalle x̄ ± σ  2
= 1
n i xi − x̄
2
– 95,45% des valeurs sont comprises dans l’intervalle x̄ ± 2σ
– 99,75% des valeurs sont comprises dans l’intervalle x̄ ± 3σ 
⇒ σ2 = 1
n i x2i − x̄2

Fig. 2.3 – Courbe normale (ou gaussienne) centrée réduite.

25 26
 Séries statistiques à deux dimensions Ajustement d’une droite à des données

corrélés. S’ils semblent dessiner une courbe, on cherchera à déterminer la nature de la courbe en procédant
à un ajustement.

Chapitre 3

Séries statistiques à deux dimensions

3.1 Introduction
Fig. 3.1 – Diagramme de dispersion.
Il arrive fréquemment que l’on observe conjointement deux caractères statistiques pour déterminer s’il
existe une corrélation entre les deux. Par exemple,
Par exemple, pour une relation linéaire y = ax + b, deux paramètres a et b sont nécessaires. Pour une
– entre la vitesse et la température d’une réaction chimique,
relation quadratique y = ax2 + bx + c, trois paramètres a, b et c sont nécessaires, etc. On peut déterminer
– entre la longueur et la période d’un pendule,
ces paramètres en choisissant des points sur la courbe (autant de points qu’on a de paramètres).
– entre la pression, la température et le volume d’un gaz, etc.

Le problème de cette méthode est que des observateurs diérents obtiendront des courbes diérentes
On exprime cette relation sous forme mathématique à l’aide d’une équation reliant les variables.
et donc des paramètres diérents. Pour mettre tout le monde d’accord, on a recherché une méthode
rigoureuse permettant de déterminer la « meilleure courbe d’ajustement » aux données.
Pour chaque individu, on relève la valeur de deux caractères x et y. On obtient alors une liste de
couples de nombres (x1 , y1 ), (x2 , y2 ), (x3 , y3 ), ... (xi , yi ), ... (xn , yn ) que l’on peut présenter sous forme
Il s’agit de la méthode des moindres carrés.
d’un tableau.

Exemple : Masse appliquée (en g) et longueur du ressort (en cm).

3.2.1 Méthode des moindres carrés
Masse en grammes xi 7 10 18 20 5 24 12 3
Pour obtenir une relation du type dy/x ≡ y = ax + b, On cherche à minimiser l’écart quadratique
Longueur en cm yi 8.5 9 10.5 11 8 11.8 9.4 7.5
moyen des points à la droite. On doit donc rendre minimum
Exemple : Moyenne de l’année et note à l’examen pour un échantillon de 8 personnes . n
∑
(yi − axi − b)2
Note de l’année xi 8 9 7 15 12 12 10 8 i=1
Note à l’examen yi 7 9 4 17 13 15 9 13
Donc, on recherche la droite eds moindres carrés dy/x , c’est-à-dire la droite par laquelle la somme des
On peut porter ces points (xi , yi ) dans un plan muni d’un repère orthonormé Oxy. L’ensemble des carrés des déviations verticales di est minimum.
points s’appelle le diagramme de dispersion.
Soit y = ax + b l’équation de la droite dy/x recherchée. Que valent les constantes a et b pour que la
droite dy/x ≡ f (x) = ax + b réponde aux critères énoncés ? On a

3.2 Ajustement d’une droite à des données

Le diagramme de dispersion est un bon indicateur pour vérier une corrélation entre les caractères
x et y. Si les points sont sous la forme d’un nuage, il est fort à parier que les phénomènes ne sont pas

27 28
Séries statistiques à deux dimensions Ajustement d’une droite à des données Séries statistiques à deux dimensions Ajustement d’une droite à des données

De même, on a que

di = yi − f (xi )
⇔ di = yi − axi − b
⇔ d2i = (yi − axi − b)2
⇔ d2 = yi2 + a2 x2i + b2 − 2axi yi − 2byi + 2abxi
i 2  2  2   
⇔ d = i yi + a
2
i xi + nb − 2a
2
i xi yi − 2b i yi + 2ab xi
i i2     i
⇔ i di = a2 i x2i + 2(b i xi − i xi yi )a + ( i yi2 + nb2 − 2b i yi
 2
⇔ i di = α ′ a2 + β ′ a + γ ′

qui doit être minimum. Comme la dérivée en un extrémum est nulle, on va rechercher la valeur de a
pour laquelle 
d( i d2i )
= 2α′ a + β ′ = 0
da
On a donc que
  
2 i x2i a + 2(b i xi − i xi yi ) = P
0 P
2(b i xi − i xi yi )
⇔ a = − 2
P 2
x P i Pi
xi yi −b i xi
⇔ a = i P 2
i xi
  
⇔ a 2
i xi = xi yi − (ȳ − ax̄) i xi
i
   
⇔ a i x2i − ax̄ i xi = x i y i − ȳ xi
  i i
⇔ a n1 ( i x2i − x̄ i xi ) = n(
1
i xi yi − ȳ i xi )
Fig. 3.2 – On cherche à minimiser l’écart quadratique vertical entre les points et la droite.  2 
⇔ a( n i xi − x̄2 )
1
= 1
n i xi yi − x̄ȳ
⇔ aσx2 = n
1
i xi yi − x̄ȳ
di = yi − f (xi )

Or, la quantité n( xi yi ) − x̄ȳ = Cov(x, y) = σxy est appellée covariance de x et de y. On a en
1
⇔ di = yi − axi − b i
⇔ d2i = (yi − axi − b)2 réalité 
⇔ d2i = yi2 + a2 x2i + b2 − 2axi yi − 2byi + 2abxi σxy = 1
n i (xi − x̄)(yi − ȳ)
 2  2  2      
= = 1
(x y − x̄ i yi − ȳ i xi + x̄ȳ)
i yi + a x + nb2 − 2a i xi yi − 2b i yi + 2ab i xi
2 i i
⇔ d n
 i
 
i i2  i i     = i xi + nx̄ȳ
1 1 1
⇔ d = nb2 + 2(a i xi − i yi )b + ( i yi2 + a2 i x2i − 2a i xi yi ) n i xi yi − x̄ n i yi − ȳ n
i i2 
⇔ = αb2 + βb + γ = 1
i xi yi − x̄ȳ − ȳ x̄ + x̄ȳ
i di
n 
= 1
n i xi yi − x̄ȳ
qui doit être minimum. Comme la dérivée en un extréma est nulle, on va rechercher la valeur de b
Dès lors, on peut dire que
pour laquelle  σxy σxy
d( i d2i ) a= et b = ȳ − x̄
= 2αb + β = 0 σx2 σx2
db
La droite de régression dy/x de y par rapport à x aura donc comme équation
On a donc que
 
2nb + 2(a i xi − i yi ) = 0 P σxy σxy
P y= x − ȳ − 2 x̄
⇔ b = −
2(a i xi − i yi ) σx2 σx
 2n 
⇔ b = n1 i yi − a n1 i xi
⇔ b = ȳ − ax̄
On peut, par un procédé analogue, construire la droite de régression d x/y ≡ x = a′ y + b′ de x par
rapport à y. Dans ce cas, on cherchera à minimiser les distances horizontales d ′i = xi − (a′ yi + b′ ).

Selon un raisonnement similaire, on arrive à

σxy σxy
a′ = et b′ = x̄ − ȳ
σy2 σy2

29 30
Séries statistiques à deux dimensions Corrélation linéaire Séries statistiques à deux dimensions Corrélation linéaire

La droite de régression dx/y de x par rapport à y aura donc comme équation 3.3.1 Parfaite corrélation
σxy σxy Les droites dy/x et dx/y sont confondues.
x = 2 y − x̄ − 2 ȳ
σy σy
b′
dy/x ≡ y = ax + b est confondue avec dx/y ≡ y = 1
a′ x − a′ . Elles ont donc la même pente
1
Pour résumer : a = ′ ⇔ aa′ = 1
σxy a
dy/x ≡ y = σx2 (x − x̄) + ȳ ′
σxy et la même ordonnée à l’origine b = − ab ′ .
dx/y ≡ x = σy2 (y − ȳ) + x̄
 
σxy = 1
n i (xi − x̄)(yi − ȳ) = 1
n i xi yi − x̄ȳ Par exemple, soit x le rayon d’un cercle et y sa circonférence. On a dy/x ≡ y = 2πx et dx/y ≡ x = 1
2π y
qui sont confondues. On vérie bien que aa′ = 2π 2π 1
= 1.
3.2.2 Propriété des droites de régression
Soient les droites de régression dy/x et dx/y . Quel est leur point d’intersection ?
3.3.2 Indépendance
Pour répondre à cette question, il convient de résoudre le système Les droites dy/x et dx/y sont perpendiculaires.
{
y = ax + b
dy/x ≡ y = b est perpendiculaire à dx/y ≡ x = b′ . Ce qui signie que
x = a ′ y + b′
σxy = 0
On a y = a(a′ y + b′ ) + b
Par exemple, soit x les points obtenus en jettant un dé et y les points obtenus en jettant un autre dé.
⇔ y − aa′ y = ab′ + b Ces deux variables sont indépendantes l’une de l’autre et il n’existe pas de relation entre elles.
⇔ y(1 − aa′ ) = a(x̄ − a′ ȳ) + ȳ − ax̄
⇔ y(1 − aa′ ) = ȳ − aa′ ȳ + ax̄ − ax̄
⇔ y(1 − aa′ ) = ȳ(1 − aa′ ) 3.3.3 Corrélation partielle
⇔ y = ȳ
Une mesure de la corrélation est obtenue par le calcul du coecient de corrélation linéaire r. Ce co-
De même, x = a′ (ax + b) + b′ ecient est égal au rapport de leur covariance et du produit non nul de leurs écarts types. Le coecient
de corrélation r est compris entre -1 et 1.
⇔ x − aa′ x = a ′ b + b′
⇔ x(1 − aa′ ) = a′ (ȳ − ax̄) + x̄ − a′ ȳ
Il s’agit, plus simplement, de la moyenne géométrique des coecients a et a′ des deux droites de
⇔ x(1 − aa′ ) = x̄ − aa′ x̄ + a′ ȳ − a′ ȳ
régression dy/x et dx/y
⇔ x(1 − aa′ ) = x̄(1 − aa′ )
⇔ x = x̄
On a
√
Dès lors, on peut conclure que le point d’intersection des deux droites de régression est le point de coor- σ
r = ± aa′ = ± σxxy
σy
données (x̄, ȳ). – Le signe de r est positif si a et a′ sont tous les deux positifs.
– Le signe de r est négatif si a et a′ sont tous les deux positifs.
– La covariance seule détermine le signe de a, a′ et r : σx et σy étant toujours positifs.
dy/x ∩ dx/y = {(x̄, ȳ)}
On admet généralement qu’un ajustement entre des données x et y est valable lorsque
3.3 Corrélation linéaire 0, 7 ≤ |r| ≤ 1

En statistique, étudier la corrélation entre deux ou plusieurs variables aléatoires ou statistiques, c’est Si |r| < 0, 7, on déduit qu’il n’existe pas de rapport de dépendance entre les deux séries de mesures x et
étudier l’intensité de la liaison qui peut exister entre ces variables. Donc, il vient naturellement la question : y.
sous quelle conditions est-il justié d’ajuster une droite à des données ?

31 32
Séries statistiques à deux dimensions Corrélation linéaire Séries statistiques à deux dimensions Ajustement d’une courbe à des données

3.3.4 Récapitulatif 3.4 Ajustement d’une courbe à des données

Lorsque les points d’un diagramme de dispersion ne semble pas se positionner sur une droite mais
plutôt sur une courbe, on recherche l’équation de la courbe qui décrit le mieux le phénomène observé.

3.4.1 Exponentielle, logarithme et puissance

Soient
1. y = [Link] (Courbe exponentielle)
2. y = b + a ln x (Courbe logarithmique)
3. y = [Link] (Courbe puissance)
qu’on peut toujours ramener à une régression linéaire par un changement de variables.

1. y = [Link] : On pose Y = ln y, A = ln a et B = ln b. Dès lors, y = eY , a = eA et b = eb . Il vient alors,

en accord avec les propriétés des logarithmes
– elnα = ln eα = α,
Fig. 3.3 – Ajustement d’une courbe à des données : récapitulatif.
– ln(αβ) = ln α + ln β et
– ln αβ = β ln α que
ln y = ln([Link] ) = ln b + x ln a ⇒ Y = Ax + B

Remarquons que si l’équation est de la forme y = [Link] , on aura ln y = ax ln e + ln b ⇒ Y = ax + B.

2. y = b + a ln x : On pose X = ln x. Dès lors, x = eX et il vient simplement

y = aX + b

3. y = [Link] : On pose Y = ln y, X = ln x et B = ln b. Dès lors, y = eY , x = eX et b = eB . Il vient

ln y = ln b + a ln x ⇒ Y = aX + B

Remarquons qu’à la place du ln, nous aurions pu utiliser le log. Cependant, il est très simple de passer
de l’un à l’autre en considérant la propriété
ln x
loga x =
ln a
où loga x est le logarithme en base 10 de x. (notation : log 10 = log)

Remarquons aussi qu’à la place de l’exponentielle e, nous aurions pu utiliser les puissances de 10. Ici
aussi, on peu considérer la propriété ax = ex ln a . (Exemple : 10x = ex ln 10 )

33 34
Séries statistiques à deux dimensions Ajustement d’une courbe à des données

3.4.2 Courbe parabolique

Si la courbe est parabolique, son équation nous sera donnée par y = ax 2 + bx + c. On cherchera alors
à minimiser la somme des carrés des écarts di des points à cette courbe, c’est-à-dire
∑ ∑
d2i = (yi − ax2i − bxi − c)2
i i

En bref, on devra déterminer les constantes a, b et c de la parabole de régression en résolvant le

système de 3 équations à 3 inconnues suivant
   2 

  i yi = a x +b xi + nc
 i3 i  i2 
x
i i i y = a x
i i + b i xi + c xi

  2  4  3 i 2
i x i yi = a i xi + b i xi + c i xi

3.4.3 Courbe polynomiale

Si la courbe à ajuster est du type y = ap xp + ap−1 xp−1 + ... + a2 x2 + a1 x + a0 , un polynôme de degré
p
p, on peut écrire y = j=0 aj xj et il faudra résoudre le système de p + 1 équations à p + 1 inconnues aj
suivant   p  j

 y = aj xi
  i i
 p j=0  i j+1

 x y = a
 i i i j=0 j i xi
 p  j+2
2
i x i yi = j=0 aj i xi



 ...


  xp y = p a  xj+p
i i i j=0 j i i

35