Caractéristiques numériques d’une variable statistique

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 88 / 310 10 décembre 2024 88 / 310
 Introduction
Dans ce chapitre, il s’agit de présenter les paramètres qui caractérisent une
variable statistique quantitative. Ces paramètres indiquent, soit :
la tendance centrale (ou position) des observations
leur dispersion
la forme de la distribution de la variable
la concentration des observations

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 89 / 310 10 décembre 2024 89 / 310
 Paramètres de tendance centrale (paramètres de position)

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 90 / 310 10 décembre 2024 90 / 310
 1/La moyenne arithmétique :
La moyenne arithmétique (ou simplement la moyenne) d’une variable
X est la somme des observations de cette variable divisée par leur
nombre.
Pour une série brute d’observations (x1 , x2 , ...., xn ), la moyenne est :
n
x1 + x2 + ... + xn 1X
x̄ = = xi
n n
i=1
Pour une variable discrète qui possède k modalités groupées dans un
tableau statistique, la moyenne est :
k k
1X X
x̄ = ni xi = fi xi
n
i=1 i=1
Si X est une variable continue, il suffit d’utiliser les centres des
classes.
Xk
x̄ = fi ci
i=1
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 91 / 310 10 décembre 2024 91 / 310
 Exemple pour une variable discrète
Distribution du nombre de crédits demandés par des clients d’une banque :

xi fi fi xi
0 0, 12 0
1 0, 16 0, 16
2 0, 24 0, 48
3 0, 4 1, 2
4 0, 08 0, 32
Total 1 2, 16

5
X
x̄ = fi xi = 2, 16 crédits et donc le nombre moyen de crédits demandés
i=1
est de 2, 16 crédits.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 92 / 310 10 décembre 2024 92 / 310
 Exemple pour une variable continue
Répartition d’entreprises selon le chiffre d’affaires annuel (en milliers de
dinars) :

[xi ; xi+1 [ ci fi fi ci
[10; 20[ 15 0, 12 1, 8
[20; 30[ 25 0, 16 4
[30; 40[ 35 0, 2 7
[40; 60[ 50 0, 3 15
[60; 80[ 70 0, 14 9, 8
[80; 100[ 90 0, 08 7, 2
Total 1 44, 8

k
X
x̄ = fi ci = 44, 8 mille dinars et donc le chiffre d’affaires moyen réalisé
i=1
par ces entreprises est de 44800 dinars.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 93 / 310 10 décembre 2024 93 / 310
 2/Le mode :
Le mode d’une variable quantitative (noté Mo) est la valeur la plus
fréquente de cette variable.
Pour une série d’observations, le mode est la valeur qui se répète le
plus.
Pour une variable discrète, le mode est la modalité qui correspond à
la fréquence la plus élevée.
Pour une variable continue, le mode est la classe qui possède la plus
grande fréquence. On parle de classe modale. Si les classes n’ont pas
la même amplitude, la classe modale est celle qui possède la densité
de fréquence la plus élevée.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 94 / 310 10 décembre 2024 94 / 310
 Exemple pour une variable discrète
Soit la série statistique suivante décrivant le nombre de personne à charge
par 9 pères de familles :
2 4 2 1 6 2 5 0 1.
Puisque la valeur 2 est celle qui se répète le plus alor Mo = 2 personne.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 95 / 310 10 décembre 2024 95 / 310
 Exemple pour une variable continue
Distribution d’entreprises selon leur chiffre daffaires annuels (en mille
dinars) :
modalités amplitudes fréquences densités de fréquence
[xi ; xi+1 [ ai fi di
[10; 20[ 10 0, 12 0, 012
[20; 30[ 10 0, 16 0, 016
[30; 40[ 10 0, 2 0, 02
[40; 60[ 20 0, 3 0, 015
[60; 100[ 40 0, 14 0, 0035
[100; 140[ 40 0, 08 0, 002
Total 1

La classe modale est [30; 40[ car la plupart des entreprises ont réalisé un
chiffre d’affaires compris entre 30 et 40 mille dinars.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 96 / 310 10 décembre 2024 96 / 310
 3/La médiane :
La médiane (notée Me) est une valeur de la variable statistique qui
divise les observations ordonnées en deux parties de même effectif.
50% de l’effectif de la population ont une valeur de la variable
inférieure à la médiane et 50% en ont une valeur supérieure.
la médiane est la valeur xi qui correspond à Fi = 0, 5 où Fi est la
fréquences cumulées. On a donc :

F (Me) = 0, 5.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 97 / 310 10 décembre 2024 97 / 310
 Détermination de Me
Cas d’une série d’observations
Pour une série d’observations ordonnées d’une façon croissante :
n+1
si le nbre d’observation n est impair, la médiane est la ( )-ième
2
valeur.
Exemple : Série ordonnée des âges (en années) de 7 individus :
18 18 20 21 22 27 52
Me = 21 années
50% des individus ont un âge inférieur à 21 ans
n
si le nbre d’observation n est pair, la médiane est la ( )-ième valeur.
2
Exemple : Série ordonnée des âges (en années) de 7 individus :
17 18 18 20 21 22 27 52
Me = 20 années
50% des individus ont un âge inférieur à 20 ans

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 98 / 310 10 décembre 2024 98 / 310
 Cas d’une variable discrète :
La médiane est la valeur xi telle que F (xi ) = 0, 5.
Si on a : F (xi ) < 0, 5 < F (xi+1 ), la médiane serait (par convention)
la valeur xi+1 .
Exemple Distribution du nombre de crédits demandés par des clients
d’une banque :
xi fi Fi
0 0, 12 0, 12
1 0, 16 0, 28
2 0, 24 0, 52
3 0, 4 0, 92
4 0, 08 1
Total 1
Me = 2 crédits.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 99 / 310 10 décembre 2024 99 / 310
 Cas d’une variable continue
La médiane est la valeur xi telle que F (xi ) = 0, 5.
Si on a : F (xi ) < 0, 5 < F (xi+1 ), alors Me ∈ [xi; xi + 1[.
On détermine la médiane par interpolation linéaire :
xi −→ F (xi )
Me −→ 0, 5
xi+1 −→ F (xi+1 )
d’où
Me − xi 0, 5 − F (xi )
=
xi+1 − xi F (xi+1 ) − F (xi )
et donc :

0, 5 − F (xi )
Me = xi + (xi+1 − xi)
F (xi+1 ) − F (xi )

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 100 / 310 10 décembre 2024 100 / 310
 Exemple : Répartition d’entreprises selon le chiffre d’affaires annuel.
[xi ; xi+1 [ fi Fi
[10; 20[ 0, 12 0, 12
[20; 30[ 0, 16 0, 28
[30; 40[ 0, 2 0, 48
[40; 60[ 0, 3 0, 78
[60; 80[ 0, 14 0, 92
[80; 100[ 0, 08 1
Total 1
On a : F (40) = 0, 48 et F (60) = 0, 78. Par conséquent : Me ∈ [40; 60[.
Par interpolation linéaire :
40 −→ 0, 48
Me −→ 0, 5
60 −→ 0, 78
d’où :
Me − 40 0, 5 − 0, 48
=
60 − 40 0, 78 − 0, 48
donc : Me = 41, 333 mille dinars et donc la moitié des entreprises réalisent
un chiffre d’affaires inférieur
Besma Ayed (Faculté des Sciences de Monastir)
à 41, 333 mille 101
Atelier statistiques avec R
dinars.
/ 310 10 décembre 2024 101 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 102 / 310 10 décembre 2024 102 / 310
 4/Généralisation de la médiane : les quantiles
Les quartiles : sont les 3 valeurs Q1 , Q2 et Q3 d’une variable X qui
divise les observations ordonnées en 4 parties de même effectif.

F (Q1 ) = 0, 25; F (Q2 ) = 0, 5 et F (Q3 ) = 0, 75

Les déciles : sont les 9 valeurs D1 , D2 , .... et D9 d’une variable X qui
divise les observations ordonnées en 10 parties de même effectif.

F (D1 ) = 0, 1; F (D2 ) = 0, 2; ....; F (D9 ) = 0, 9

Les centiles : sont les 99 valeurs C1 , C2 , ... et C99 d’une variable X qui
divise les observations ordonnées en 100 parties de même effectif.

F (C1 ) = 0, 01; F (C2 ) = 0, 02; ...; F (C99 ) = 0, 99

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 103 / 310 10 décembre 2024 103 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 104 / 310 10 décembre 2024 104 / 310
 Paramètres de dispersion

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 105 / 310 10 décembre 2024 105 / 310
 Il s’agit de mesures qui quantifient l’éloignement des données (souvent par
rapport à une valeur centrale). Plus les valeurs de ces paramètres sont
grandes, plus la dispersion de la variable est importante.
1/Variance et écart-type
La variance d’une variable X est la moyenne des écarts quadratiques
par rapport à la moyenne :
k k
1X X
V (X ) = ni (xi − x̄)2 = fi (xi − x̄)2
n
i=1 i=1

où ni est l’effectif de la modalité xi

on définie l’écart-type de X par :
p
σx = V (X )

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 106 / 310 10 décembre 2024 106 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 107 / 310 10 décembre 2024 107 / 310
 Paramètres de forme

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 108 / 310 10 décembre 2024 108 / 310
 1/Paramètres d’asymétrie :
Notion d’asymétrie L’asymétrie de la distribution d’une variable décrit
la façon dont les observations se répartissent de part et d’autre d’une
valeur centrale (la médiane).
Une distribution est symétrique lorsque les observations sont dispersées
de la même façon à gauche ou à droite de la médiane. Dans ce cas, la
moyenne est égale à la médiane.
Une distribution est asymétrique étalée vers la droite lorsque les
observations sont plus dispersées à droite de la médiane. Dans ce cas,
la moyenne dépasse la médiane.
Une distribution est asymétrique étalée vers la gauche lorsque les
observations sont plus dispersées à gauche de la médiane. Dans ce cas,
la médiane dépasse la moyenne.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 109 / 310 10 décembre 2024 109 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 110 / 310 10 décembre 2024 110 / 310
 Coefficient d’asymétrie de Yule
Pour une distribution symétrique, les quartiles Q1 et Q3 sont symétriques
par rapport à la médiane. Le coefficient d’asymétrie de Yule, noté c,
repose sur la comparaison des distances Q3 − Me et Q1 − Me :

(Q3 − Me) − (Me − Q1 )

c= .
Q3 − Q1

Si c = 0 alors la distribution est symétrique

Si c > 0 alors la distribution est asymétrique étalée vers la droite
Si c < 0 alors la distribution est asymétrique étalée vers la gauche

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 111 / 310 10 décembre 2024 111 / 310
 Le coefficient d’asymétrie de Fisher :
le coefficient d’asymétrie de Fisher noté γ1 , repose sur le calcul du
moment centrée d’ordre 3 :
1X
µ3 = ni (xi − x̄)3
n
Le coefficient d’asymétrie de Fisher est défini par :
µ3
γ1 =
σ3
Si γ1 = 0 alor la distribution est symétrique
Si γ1 > 0 alors la distribution est asymétrique étalée vers la droite
Si γ1 < 0 alors la distribution est asymétrique étalée vers la gauche

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 112 / 310 10 décembre 2024 112 / 310
 Paramètres d’aplatissement :

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 113 / 310 10 décembre 2024 113 / 310
 Une distribution est plus ou moins aplatie selon que les fréquences des
valeurs proches de la moyenne sont plus ou moins élevées par rapport
à celles des valeurs éloignées.
On compare l’aplatissement d’une distribution à la forme d’une
distribution dite Normale.
Une distribution est dite leptokurtique lorsqu’elle est moins aplatie
(plus aigüe) qu’une distribution normale.
Une distribution est dite platikurtique lorsqu’elle est plus aplatie
(moins aigüe) qu’une distribution normale.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 114 / 310 10 décembre 2024 114 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 115 / 310 10 décembre 2024 115 / 310
 Le coefficient d’aplatissement de Fisher
Ce coefficient est défini par :
µ4
γ2 = −3
σ4
avec µ4 = n1 ni (xi − x̄)4 est le moment centré d’ordre 4 et σ est
P
l’écart-type de X .
Si γ2 = 0 alors la distribution est de même aplatissement qu’une
distribution normale.
Si γ2 > 0 alors la distribution est leptokurtique.
Si γ2 < 0 alors la distribution est platikurtique.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 116 / 310 10 décembre 2024 116 / 310
 Pour utiliser les coefficients d’asymétrie et d’aplatissement il faut installer
d’abord :

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 117 / 310 10 décembre 2024 117 / 310
 quelques remarques sur les variables qualitatives

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 118 / 310 10 décembre 2024 118 / 310
 Choisir une variable qualitative :

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 119 / 310 10 décembre 2024 119 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 120 / 310 10 décembre 2024 120 / 310
 Introduction
L’objectif de ce chapitre est d’exposer les outils élémentaires, adaptés au
type de variable observée (quantitative (continue et discrète) ou
qualitative) permettant de présenter une série brute de façon synthétique
sous la forme de tableaux statistiques et de graphiques.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 121 / 310 10 décembre 2024 121 / 310
 Variable qualitative nominale

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 122 / 310 10 décembre 2024 122 / 310
 Effectifs, fréquences et tableau statistique

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 123 / 310 10 décembre 2024 123 / 310
 Une variable qualitative nominale a des valeurs distinctes qui ne
peuvent pas être ordonnées.
On note J le nombre de valeurs distinctes ou modalités. Les valeurs
distinctes sont notées x1 , ..., xJ . On appelle effectif d’une modalité ou
d’une valeur distincte, le nombre de fois que cette modalité (ou valeur
distincte) apparaı̂t. On note nj l’effectif de la modalité xj .
La fréquence d’une modalité est l’effectif divisé par le nombre d’unités
d’observation :
nj
fj = , j = 1, ...., J.
n
La somme de tous les effectifs est égale à la taille de la population
(ou de l’échantillon) appelé effectif total :
J
X
n = n1 + n2 + ... + nk = ni = n.
i=1
J
X
Puisque 0 ≤ ni ≤ n, alors 0 ≤ fi ≤ 1 et fi = 1
i=1
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 124 / 310 10 décembre 2024 124 / 310
 Exemple : On s’intéresse à la variable ”état-civilé” prises sur 20 personnes.
La codification est :
C : célibataire,
M : marié(e),
V : veuf(ve),
D : divorcé(e)
On obtient le tableau suivant :

MMDCCMCCCMCMVMVDCCCM

Modalités : xj Effectif : nj Fréquence(en%) : fj

C 9 0.45
M 7 0.35
V 2 0.10
D 2 0.10
Total 20 1

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 125 / 310 10 décembre 2024 125 / 310
 En langage R :

>X=c(”Marié(e)”,”Marié(e)”,”Divorcé(e)”,”Célibataire”,”Célibataire”,
”Marié(e)”,”Célibataire”,
”Célibataire”,”Célibataire”,”Marié(e)”,”Célibataire”,”Marié(e)”,”Veuf(ve)”,
”Marié(e)”,
”Veuf(ve)”,”Divorcé(e)”,”Célibataire”,”Célibataire”,”Célibataire”,
”Marié(e)”)
> T1=table(X)
> V1=c(T1)
> [Link](Eff=V1,Freq=V1/sum(V1))

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 126 / 310 10 décembre 2024 126 / 310
 Représentation graphique

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 127 / 310 10 décembre 2024 127 / 310
 Le tableau statistique d’une variable qualitative nominale peut être
représenté par deux types de graphique :
1 un diagramme circulaire (diagramme en secteurs ou camembert ou
piechart en anglais) : chaque modalité est représentée par un secteur.
L’angle θi associé à un secteur est tel que : θi = fi × 360◦
2 un diagramme à barres : chaque modalité est représentée par un
rectangle de hauteur fi .

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 128 / 310 10 décembre 2024 128 / 310
 En langage R :

> pie(T1,radius=1.0)

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 129 / 310 10 décembre 2024 129 / 310
 En langage R :

> m=max(V1)
> barplot(T1, ylim=c(0,m+1))

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 130 / 310 10 décembre 2024 130 / 310
 Variable qualitative ordinale

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 131 / 310 10 décembre 2024 131 / 310
 Effectifs, fréquences et tableau statistique

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 132 / 310 10 décembre 2024 132 / 310
 Les valeurs distinctes d’une variable ordinale peuvent être ordonnées :
x1 ≺ x2 ≺ ...xJ .
On peut calculer
j
X
1 les effectifs cumulés : Nj = nk , j = 1, ..., J ( N1 = n1 et NJ = n).
k=1
2 On peut également calculer les fréquences cumulées :
j
Nj X
Fj = = fk , j = 1, ..., J
n
k=1

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 133 / 310 10 décembre 2024 133 / 310
 Exemple :
On interroge 50 personnes sur leur dernier diplôme obtenu. On obtient :

En langage R
> YY=c(”Sd”,”Sd”,”Sd”,”Sd”,”P”,”P”,”P”,”P”,”P”,
”P”,”P”,”P”,”P”,”P”,”P”, ”Se”,”Se”,”Se”,”Se”,”Se”,”Se”,”Se”,”Se”,
”Se”,”Se”,”Se”,”Se”,”Se”,”Se”,
”Su”,”Su”,”Su”,”Su”,”Su”,”Su”,”Su”,”Su”,”Su”,
”U”,”U”,”U”,”U”,”U”,”U”,”U”,”U”,”U”,”U”,”U”,”U”)
> YF=factor(YY,levels=c(”Sd”,”P”,”Se”,”Su”,”U”))
> T2=table(YF)
> V2=c(T2)
>[Link](Eff=V2,EffCum=cumsum(V2),Freq=V2/sum(V2),
FreqCum=cumsum(V2/sum(V2)))

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 134 / 310 10 décembre 2024 134 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 135 / 310 10 décembre 2024 135 / 310
 Représentation graphique

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 136 / 310 10 décembre 2024 136 / 310
 Les fréquences d’une variable qualitative ordinale sont représentées au
moyen d’un diagramme en secteurs
En langage R
> pie(T2,radius=1)

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 137 / 310 10 décembre 2024 137 / 310
 Les effectifs d’une variable qualitative ordinale sont représentés au moyen
d’un diagramme en barres.
En langage R :
> barplot(T2)

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 138 / 310 10 décembre 2024 138 / 310
 Diagramme en barres des effectifs cumulés :
En langage R :
> T3=cumsum(T2)
> barplot(T3)

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 139 / 310 10 décembre 2024 139 / 310
 Variable quantitative discrète

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 140 / 310 10 décembre 2024 140 / 310
 Effectifs, Fréquences et tableau statistique

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 141 / 310 10 décembre 2024 141 / 310
 Soit X une variable statistique discrète qui possède k modalités :
x1 , x2 , ..., xk .
Une modalité quelconque est notée xi (i = 1, ...., k).
Le nombre d’individus qui possèdent une même modalité xi est appelé
effectif associé à xi et noté ni .
La proportion d’individus qui possèdent la modalité xi est appelée
fréquence associée à xi et notée fi :
ni
. fi =
n
La somme de tous les effectifs est égale à la taille de la population (ou
k
X
de l’échantillon) appelé effectif total : n1 + n2 + ... + nk = ni = n.
i=1
k
X
Puisque 0 ≤ ni ≤ n, alors 0 ≤ fi ≤ 1 et fi = 1.
i=1

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 142 / 310 10 décembre 2024 142 / 310
 Un tableau statistique présente les modalités dans un ordre croissant et
associe à chaque modalité son effectif (ou sa fréquence).

Modalités Effectifs Fréquences

x1 n1 f1
x2 n2 f2
.. .. ..
. . .
xi ni fi
.. .. ..
. . .
xk nk fk
Total n 1

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 143 / 310 10 décembre 2024 143 / 310
 Pour les différentes modalités d’une variable discrète x1 , ..., xi , ..., xk :
les effectifs cumulés sont :
n1 = n1
n2 = n1 + n2
n3 = n1 + n2 + n3
..
.
nk = n1 + n2 + n3 + ... + nk = n.
les fréquences cumulées sont :
F1 = f1
F2 = f1 + f2
F3 = f1 + f2 + f3
..
.
Fk = f1 + f2 + f3 + ... + fk = 1

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 144 / 310 10 décembre 2024 144 / 310
 Exemple :
Un quartier est composé de 50 ménages, et la variable Z représente le
nombre de personnes par ménage. Les valeurs de la variable sont :

En langage R :
> Z=c(1,1,1,1,1,2,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,4,
4,4,4,4,4,4,4,4,4,5,5,5,5,5,5,6,6,6,8,8)
> T4=table(Z) −→ tableau des effectifs
> T4c=c(T4) −→ mêttre les effectifs dans un vecteur
> [Link](Eff=T4c,EffCum=cumsum(T4c),Freq=T4c/sum(T4c),
FreqCum=cumsum(T4c/sum(T4c))) −→ tableau contenant les effectifs,
les effectifs cumulés, les fréquences et les fréquences cumulées.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 145 / 310 10 décembre 2024 145 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 146 / 310 10 décembre 2024 146 / 310
 Diagramme représentatif

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 147 / 310 10 décembre 2024 147 / 310
 Quand la variable est discrète, les effectifs sont représentés par un
diagramme en bâtonnets :
En langage R :

> plot(T4,type=”h”,xlab=”Titre axe des x”,ylab=”Titre axe des

y”,main=”Titre du diagramme”,lwd=3)

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 148 / 310 10 décembre 2024 148 / 310
 Variable quantitative continue

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 149 / 310 10 décembre 2024 149 / 310
 Effectifs, fréquences et tableau statistique

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 150 / 310 10 décembre 2024 150 / 310
 Une variable quantitative continue peut prendre une infinité de valeurs
possibles, il faut donc procéder à des regroupements en classes.
Le tableau regroupé en classe est souvent appelé distribution groupée.
Si [cj− ; cj+ [ designe la classe j alors :
la borne inférieure de la classe j : cj−
la borne supérieure de la classe j : cj+
cj+ + cj−
le centre de la classe j :
2
l’amplitude de la classe j : cj+ − cj−
l’effectif de la classe j : nj
l’effectif cumulé de la classe j : Nj
la fréquence de la classe j : fj
la fréquence cumulée de la classe j : Fj

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 151 / 310 10 décembre 2024 151 / 310
 Remarque :
En règle générale, on choisit au moins cinq classes de même amplitude.
Cependant, il existent des formules qui nous permettent d’établir le
nombre de classes (J) et l’amplitude : pour une série statistique de n
observations on a :
La règle de Sturge : J = 1 + (3.3 × log10 (n)).
√
La règle de Yule : J = 2.5 4 n
xmax − xmin
l’amplitude : , où xmax (resp. xmin ) désigne la plus grande
J
(resp. la plus petite) valeur observée.
Il faut arrondir le nombre de classe J à l’entier le plus proche (de
même pour l’amplitude)
A partir de la plus petite valeur observée, on obtient les bornes de
classes en additionnant successivement l’amplitude.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 152 / 310 10 décembre 2024 152 / 310
 Exemple :
On mesure la taille en mètre de 50 élèves d’une classe :
152,152,152,153,153,154,154,154,155,155,156,156,156,156,156,
157,157,157,158,158,159,159,160,160,160,161,160,160,161,162,
162,162,163,164,164,164,164,165,166,167,168,168,168,169,169,
170,171,171,171,171.

En langage R

S=c(152,152,152,153,153,154,154,154,155,155,156,156,156,156,156,
157,157,157,158,158,159,159,160,160,160,161,160,160,161,162,
162,162,163,164,164,164,164,165,166,167,168,168,168,169,169,
170,171,171,171,171)

>T5=table(cut(S,breaks=c(151,155,159,163,167,171)))

>[Link](Eff=T5,EffCum=cumsum(T5),
Freq=T5/sum(T5),FreqCum=cumsum(T5/sum(T5)))
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 153 / 310 10 décembre 2024 153 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 154 / 310 10 décembre 2024 154 / 310
 Diagramme représentatif

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 155 / 310 10 décembre 2024 155 / 310
 L’histogramme consiste à représenter les effectifs (resp. les
fréquences) des classes par des rectangles contigus dont la surface (et
non la hauteur) représente l’effectif (resp. la fréquence).
Pour un histogramme des effectifs, la hauteur du rectangle
nj
correspondant à la classe j est donc donnée par : hj =
aj
On appelle hj la densité d’effectif.
L’aire de l’histogramme est égale à l’effectif total n, puisque l’aire de
chaque rectangle est égale à l’effectif de la classe j : aj × hj = nj .
fj
Pour un histogramme des fréquences on a : dj =
aj
On appelle dj la densité de fréquence.
L’aire de l’histogramme est égale à 1, puisque l’aire de chaque
rectangle est égale à la fréquence de la classe j : aj × dj = fj .

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 156 / 310 10 décembre 2024 156 / 310
 En langage R
>hist(S,breaks=c(151.5,155.5,159.5,163.5,167.5,171.5),
xlab=””,ylab=””,main=””,xaxt = ”n”)
>axis(1, c(151.5,155.5,159.5,163.5,167.5,171.5))

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 157 / 310 10 décembre 2024 157 / 310
 En langage R
>hist(S,breaks=c(151.5,155.5,159.5,163.5,167.5,171.5), freq=FALSE,
xlab=””,ylab=””,main=””,xaxt = ”n”)
>axis(1, c(151.5,155.5,159.5,163.5,167.5,171.5))

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 158 / 310 10 décembre 2024 158 / 310
 Fonction de répartition
La fonction F : xi −→ Fi qui à chaque modalité xi associe sa fréquence
cumulée s’appelle fonction de répartition (ou aussi fonction cumulative)

F (xi ) = Fi = Prop(X ≤ xi )
F est une fonction :
croissante
discrète (si X est une variable discrète), continue (si X est continue)
qui vérifie : F (x) = 0 si x < min(xi )
F (x) = 1 si x > max(xi )

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 159 / 310 10 décembre 2024 159 / 310
 Diagramme cumulatif
Un diagramme cumulatif est la représentation graphique de la fonction de
répartition F (c’est-à-dire des fréquences cumulées).
Si X est discrète, diagramme cumulatif : courbe en escalier
Si X est continue, diagramme cumulatif : courbe continue et
croissante.

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 160 / 310 10 décembre 2024 160 / 310
 Exemple : cas discret
Soit la répartition de 150 entreprises selon le nombre de leurs clients non
solvables.
Modalités Effectifs Fréquences Fréquences cumulées
xi ni fi Fi
0 18 0, 12 0, 12
1 63 0, 42 0, 54
2 36 0, 24 0, 78
3 21 0, 14 0, 92
4 12 0, 08 1
Total 150 1 -

On remarque par exemple que 78% des entreprises ont un nombre de

clients non solvables inférieur ou égal à 2 (c’est-à-dire au plus 2 clients non
solvables).

Besma Ayed (Faculté des Sciences de Monastir)

Atelier statistiques avec R 161 / 310 10 décembre 2024 161 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 162 / 310 10 décembre 2024 162 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 163 / 310 10 décembre 2024 163 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 164 / 310 10 décembre 2024 164 / 310
Besma Ayed (Faculté des Sciences de Monastir)
Atelier statistiques avec R 165 / 310 10 décembre 2024 165 / 310