République Algérienne Démocratique et Populaire

Ministère du Travail, de l’Emploi et de la Sécurité Sociale

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
École Supérieure de la Sécurité Sociale
Mohamed Saleh Mentouri

Outils statistiques d’aide à la décision

Master 1 : MAG + SI
Chapitre 1 : Statistique discreptive

Enseignant : Pr. RADJAI Abir

Année universitaire : 2025–2026
Table des matières

1 Théorie de la statistique 3
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Qu’est ce que la Statistique ? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 La démarche statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 La statistique descriptive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Vocabulaire de la statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6 Etude des séries statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7 Représentations graphiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.8 Caractéristiques de position et de dispersion et de forme . . . . . . . . . . . . . . . . . . 8

2 Etude des séries statistiques 10

2.1 Étude d’un caractère qualitatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Étude d’une variable quantitative discrète . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Résumé numérique d’une distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.1 Caractéristiques centrales : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.2 Caractéristiques de dispersion : . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.3 Étude d’une variable quantitative continue . . . . . . . . . . . . . . . . . . . . . 21

2
 Chapitre

1 Théorie de la statistique

1.1 Introduction

La statistique joue un rôle fondamental dans la formation des étudiants destinés à travailler dans le
domaine de la sécurité sociale. Elle permet d’analyser, de comprendre et d’interpréter les phénomènes
sociaux à travers les données. Grâce aux outils statistiques, les futurs professionnels peuvent :
— Évaluer les besoins de la population et la répartition des prestations sociales
— Identifier les risques et prévoir leur évolution
— Améliorer la prise de décision en matière de gestion et de planification
— Contribuer à la transparence et à l’efficacité des politiques sociales.
Ainsi, la maîtrise de la démarche statistique constitue une compétence essentielle pour tout cadre de la
sécurité sociale.

1.2 Qu’est ce que la Statistique ?

— Au pluriel, on désigne souvent par « Statistiques » un ensemble de données numériques observées.

Exemples : Statistiques relatives à la situation de l’emploi en Algérie, statistiques relatives à la
population, statistiques relatives aux élections, statistiques relatives aux ventes d’une entreprise,
— Au singulier, le mot « Statistique » désigne la science qui permet d’obtenir et de traiter ces données
.
Ensemble des méthodes scientifiques visant à collecter, à analyser des données numériques, de
même qu’à tirer des conclusions valables et à prendre des décisions raisonnables sur la base de

3
CHAPITRE 1. THÉORIE DE LA STATISTIQUE

cette analyse.
Elle peut également désigner la variable aléatoire utilisée pour effectuer des estimations ou des
tests, en statistique inférentielle.

1.3 La démarche statistique

On distingue deux grands aspects

1. L’aspect exploratoire :la statistique descriptive. Celle-ci a pour objectif de synthétiser, de résumer,
de structurer l’information contenue dans les données concernant un phénomène étudié. On utilise
des représentations graphiques ou des tableaux et on calcule quelques indicateurs.
2. L’aspect décisionnel :la statistique inférentielle. En général, les ensembles d’observation corres-
pondent à des échantillons présentant un caractère aléatoire. On essaie de modéliser le phénomène à
l’aide de modèles probabilistes. Cela permet sinon des prévisions, tout du moins des présomptions
qui sont précieuses dans l’étude de certains faits. Cette étude permet alors la généralisation les
propriétés d’un échantillon représentatif d’un ensemble plus vaste.
La statistique descriptive précède la statistique inférentielle dans une démarche de traitement de données.
Ces deux aspects se complètent et ne s’opposent pas.

1.4 La statistique descriptive

— La statistique descriptive est un traitement de données qui offre des outils appropriés (Tableau,
graphiques et mesures numériques) permettant de dégager l’information essentielle qui se dissimule
dans un grand nombre de données brutes.
— Dans le domaine de la gestion de l’économie,de la sécurité sociale la Statistique constitue un outil
d’aide à la prise de décision.

— Elle constitue également un outil de prévision : elle permet aux gestionnaires de faire des prévisions
dans le futur (prévision des ventes par exemple).
— Elle a pour objet la collecte, la caractérisation, l’analyse et l’interprétation d’observations relatives
à des phénomènes concernant des ensembles plus ou moins importants d’objets, d’événements
ou d’individus. L’objectif est de faire « parler » les chiffre afin de prendre une décision. Cette
démarche statistique peut être présenter dans le schéma suivant

4
CHAPITRE 1. THÉORIE DE LA STATISTIQUE

F IGURE 1.1 – La démarche de la Statistique

— Phase 1 : Collecte des données Avant toute analyse, il faut identifier les besoins en information et
choisir la méthode de collecte appropriée. Cela implique de :
1. Définir le type de données nécessaires
2. Déterminer si l’étude porte sur une population entière ou un échantillon
3. Choisir entre collecte directe (enquêtes, observations) ou utilisation de données existantes
— Phase 2 : Traitement et description des données
Cette étape mobilise :
− La statistique descriptive : utilisée lorsque les données sont exhaustives (ex. : recensement),
elle permet d’organiser, représenter et résumer les données sous forme de tableaux, graphiques et
indicateurs statistiques.
− La statistique inférentielle : utilisée pour les données issues d’un échantillon, elle permet de
généraliser les résultats à l’ensemble de la population.
— Phase 3 : Aide à la décision Elle repose sur des modèles quantitatifs (linéaires ou non linéaires)
permettant d’analyser les données dans un contexte d’incertitude et de soutenir la prise de décision.

1.5 Vocabulaire de la statistique

Population statistique Ensemble des éléments sur lesquels porte une étude statistique. Les éléments
de la population sont appelés unités statistiques (ou individus). Une unité statistique peut être un être
humain (étudiant, salarié, femme, . . .), un être vivant quelconque (animal, plante, microbe,. . .), ou un objet
(ville, produit, industrie, table, machine,. . .)
Échantillon Il est souvent impossible, pour des raisons pratiques ou pour des raisons de coût, d’observer

5
CHAPITRE 1. THÉORIE DE LA STATISTIQUE

la population de façon exhaustive et l’étude est alors faite sur un échantillon prélevé d’une population
C’est un sous-ensemble (une partie) prélevé d’une population. les résultats obtenus sont extrapolés à la
population mère. Caractère ou variable statistique X
— Chaque individu de la population peut être étudié par rapport à un ou plusieurs traits ou caractéris-
tiques ou critères appelés caractères ou variables statistiques.
— Une variable statistique peut être qualitative ou quantitative. − Si la variable étudiée est mesurable
numériquement, on dit qu’il est quantitative (âge, poids, taille, salaire,. . .). − Par contre, si le
caractère étudié est non mesurable numériquement, on dit qu’il est qualitatif (sexe, niveau d’étude,
état matrimonial, nationalité, . . .).
Modalité (xi) Valeur que peut prendre une variable statistique.
— Par exemple, la variable « sexe » comporte deux modalités (masculin, féminin) ;
— la variable « état matrimonial » comporte quatre modalités (célibataire, marié, divorcé et veuf) ;
— la variable âge comporte plusieurs valeurs (1,2,3, . . . , 99, . . .).

6
CHAPITRE 1. THÉORIE DE LA STATISTIQUE

1.6 Etude des séries statistiques

Une série statistique est la suite des modalités d’une population donnée.
Effectif d’une modalité ni Nombre d’individus ayant la même modalité.
Effectif d’une population N Nombre d’individus formant une population.
Fréquence d’une modalité fi La fréquence fi d’une valeur xi du caractère est le quotient de l’effectif
ni de ce caractère par l’effectif total N :
ni
fi =
N
− Remarque :la fréquence d’une population est toujours égale à 1.

1.7 Représentations graphiques

— Comme les tableaux statistiques, les graphiques permettent de réduire, de synthétiser les données
brutes d’une série statistique.
— Les graphiques donnent une synthèse visuelle des données en utilisant le dessin.
— Pratiquement tous les graphiques représentatifs des séries statistiques sont fondés sur la notion de
proportionnalité entre l’aire de la surface associée à une modalité et l’effectif ou la fréquence de
cette modalité.
— Les types de représentation sont toutefois différents selon la nature et le type du caractère ( de
la variable) représenté, il est donc indispensable, avant de choisir un mode de représentation, de
réfléchir sur la nature des modalités.

7
CHAPITRE 1. THÉORIE DE LA STATISTIQUE

F IGURE 1.2 – Types de représentations graphiques

1.8 Caractéristiques de position et de dispersion et de forme

Si on veut modéliser un phénomène (ajustement de distribution), généralement, on s’intéresse à étudier

les caractéristiques de ce phénomène à travers des indicateurs. Citer les différents indicateurs possibles et
leurs utilités.
— Les paramètres de position indiquent la valeur “typique” autour de laquelle les observations
sont réparties. Ils décrivent donc où se trouve le centre d’un échantillon ou une grande partie
de l’échantillon (les quantiles ..etc.). Plus particulièrement, il y’a les indicateurs de tendance
centrale qui sont utilisés pour exprimer une tendance centrale de l’ensemble des données tels que
la moyenne, le mode et la médiane.
— Les paramètres de dispersion fournissent des informations sur la mesure dans laquelle les valeurs
d’une variable dans un échantillon diffèrent les unes des autres. Elles peuvent donc décrire dans
quelle mesure les valeurs d’une variable s’écartent de la valeur moyenne : les valeurs sont-elles
plutôt proches les unes des autres, c’est-à-dire similaires, ou sont-elles très éloignées les unes des
autres et donc très différentes ?
— Les paramètres de dispersion de forme : Le paramètre de forme est un concept crucial en statistique,

8
CHAPITRE 1. THÉORIE DE LA STATISTIQUE

en particulier dans le contexte des distributions de probabilité. Il caractérise la forme d’une

distribution, influençant son asymétrie, son kurtosis et sa forme générale. La compréhension du
paramètre de forme est essentielle pour les analystes de données, car elle permet de modéliser les
données avec précision et de prendre des décisions éclairées basées sur des analyses statistiques.

9
 Chapitre

2 Etude des séries statistiques

2.1 Étude d’un caractère qualitatif

Une variable qualitative (ou catégorielle) décrit une caractéristique non numérique d’un individu ou
d’un élément statistique. Elle peut être :
- Nominale : sans ordre (ex. : couleur des yeux, sexe, type de contrat)
- Ordinale : avec un ordre (ex. : niveau de satisfaction, classe sociale)
L’étude d’une variable qualitative en statistique descriptive est tout à fait possible et essentielle. Elle repose
sur le dénombrement, les fréquences, et la représentation graphique des modalités. − Étapes de l’étude
descriptive d’une variable qualitative
1. Recensement des modalités On identifie toutes les modalités possibles de la variable (ex. : "Homme",
"Femme").
2. Calcul des effectifs On compte combien d’individus appartiennent à chaque modalité :

Ni = nombre d′ individus ayant la modalité i

3. Calcul des fréquences On calcule la proportion de chaque modalité :

Ni
fi =
N

où N est l’effectif total.

4. Tableau de distribution on présente les résultats dans un tableau
5. Représentation graphique

10
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

- Diagramme en barres : chaque modalité est représentée par une barre dont la hauteur correspond
à l’effectif ou la fréquence.
- Diagramme circulaire (camembert) : chaque modalité est représentée par un secteur proportionnel
à sa fréquence.
Exemple : Une enquête a été menée auprès de 9000 personnes en Algérie afin de connaître leur type de
couverture sociale. Le tableau ci-dessous présente la répartition des personnes selon le type de couverture
dont elles bénéficient :

Tableau : Répartition des types de couverture sociale en Algérie

Type de couverture sociale Effectif des assurés

Assurance maladie 4000
Assurance maternité 1500
Accidents du travail 1000
Retraite 2300
Aucune couverture 200

À partir du tableau ci-dessus, réponds aux questions suivantes :

1. Quel type de couverture sociale est le plus répandu en Algérie ?

2. Combien de personnes sont couvertes par l’assurance maternité ?
3. Quel est l’écart entre le nombre d’assurés pour la retraite et pour les accidents du travail ?
4. Quel pourcentage de la population n’a aucune couverture sociale ? (sur un total de 10 000 personnes)
5. Classe les types de couverture du plus fréquent au moins fréquent.

La représentation graphique

Type de couverture sociale Effectif Fréquence (%) Angle (°)

Assurance maladie 4000 44,44 160
Assurance maternité 1500 16,67 60
Accidents du travail 2000 22,22 80
Retraite 2300 25,56 92
Aucune couverture sociale 200 2,22 8

11
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Répartition des types de couverture sociale

Diagramme en barres :

Effectifs par type de couverture sociale

4,000
4,000

3,000
Effectif

2,300
2,000
2,000
1,500

1,000

200
0
ie

té

ite

re
i
va
ad

ni

tu
tra
tra
er

er
al

Re
at

uv
m

du
m

co
ce

ts
ce
an

ne
en
an
ur

u
id
ur

uc
ss

cc
ss
A

A
A
A

12
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Diagramme circulaire :

Légende :

Assurance maladie (44.44%)

Assurance maternité (16.67%)
Accidents du travail (22.22%)
44.44 Retraite (25.56%)

16.67 Aucune couverture (2.22%)

2.22

22.22 25.56

2.2 Étude d’une variable quantitative discrète

Une variable quantitative discrète est une variable numérique qui ne peut prendre que des valeurs
entières et dénombrables. Son étude permet d’analyser des phénomènes mesurables comme le nombre
d’enfants, de voitures, ou de notes obtenues.
Exemple : Une enquête est menée auprès de 200 assurés sociaux affiliés à la CNAS dans la wilaya
d’Alger. L’objectif est d’étudier le nombre de prestations sociales (remboursements médicaux, allocations,
indemnités journalières, etc.) reçues par chaque assuré au cours de l’année 2024.

13
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

xi ni Effectif relatif Fréquence (%)

0 8 0.040 4.00
1 15 0.075 7.50
2 22 0.110 11.00
3 30 0.150 15.00
4 35 0.175 17.50
5 28 0.140 14.00
6 20 0.100 10.00
7 18 0.090 9.00
8 10 0.050 5.00
9 8 0.040 4.00
10 6 0.030 3.00

2.3 Résumé numérique d’une distribution

2.3.1 Caractéristiques centrales :

1) Le mode

Le mode est la modalité ayant la plus haute effectif (ou fréquence). Dans la série statistique de
l’exemple précédent , chaque valeur xi représente le nombre de prestations sociales (comme les rembour-
sements médicaux, allocations, indemnités journalières, etc.) reçues par un assuré au cours de l’année
2024.
Le mode de la série est la valeur de xi ayant le plus grand effectif ni . D’après le tableau, le mode est :
Mode = 4 (avec un effectif de 35 assurés)
Interprétation : En 2024, la majorité des assurés ont reçu exactement 4 prestations sociales. Cela signifie
que le nombre de prestations le plus fréquemment observé parmi les assurés est 4. C’est la valeur la plus
représentative en termes de fréquence, bien qu’elle ne reflète pas nécessairement la moyenne ou la médiane

2) La médiane

La médiane est la valeur qui partage une série ordonnée en deux parties égales.
N +1
— Si N est impair : la médiane est la valeur de rang
2

14
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

N N
 
— Si N est pair : la médiane est la demi-somme des valeurs de rang et +1
2 2
Exemple 1 : Notes obtenues : 4 ; 5 ; 7 ; 8 ; 9 ; 10 ; 10 ; 12 ; 13 ; 14 ; 15
— Effectif : 11 (impair)
— Rang de la médiane : (11 + 1)/2 = 6
— Valeur de la médiane : 10
Exemple 2 : Notes obtenues : 4 ; 5 ; 7 ; 8 ; 9 ; 10 ; 10 ; 12 ; 13 ; 14 ; 15 ; 16
— Effectif : 12 (pair)
— Rang de la médiane : 6e et 7e valeurs
— Valeur de la médiane : (10 + 10)/2 = 10
− Pour l’exemple précédent
Étape 1 : Déterminer l’effectif total de la série. Dans notre cas, on a :

N = 200

Étape 2 : Identifier si N est pair ou impair. Ici, N est pair, donc la médiane est la moyenne des deux
valeurs centrales.

Étape 3 : Calculer les rangs centraux :

N N
Rang 1 = = 100 et Rang 2 = + 1 = 101
2 2

Étape 4 : Repérer les valeurs correspondant aux rangs 100 et 101 dans la série ordonnée à l’aide du
cumul des effectifs.

Étape 5 : Calculer la médiane :

valeur de rang 100 + valeur de rang 101

Médiane =
2

Remarque : Pour déterminer les valeurs de rangs 100 et 101, il faut construire une colonne de effectifs
cumulés à partir du tableau statistique.

15
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Valeur xi Effectif ni Effectif cumulé

0 8 8
1 15 23
2 22 45
3 30 75
4 35 110
5 28 138
6 20 158
7 10 168
8 9 177
9 7 184
10 16 200

Les rangs 100 et 101 tombent dans la classe x = 4 (car l’effectif cumulé atteint 110 à ce niveau) donc
la médiane de cette série est 4 ce qui signifie que la moitié des assurés ont reçu 4 prestations sociales ou
moins, et l’autre moitié en ont reçu 4 ou plus.

3) La moyenne

Soit la série statistique suivante :

Note 4 5 7 8 9 10 11 12 13 14 15 16
Effectif 1 1 1 1 1 1 1 1 1 1 1 1

Effectif total : N = 12
Rang de la médiane : (12/2) et (12/2) + 1 → 6e et 7e valeurs
Valeur de la médiane : (10 + 11)/2 = 10,5

Calcul de la moyenne :

4 + 5 + 7 + 8 + 9 + 10 + 11 + 12 + 13 + 14 + 15 + 16 144
x̄ = = = 12
12 12

Autre exemple : Notes obtenues : 4 ; 5 ; 7 ; 8 ; 9 ; 10 ; 10 ; 12 ; 13 ; 14 ; 15 ; 16

4 + 5 + 7 + 8 + 9 + 10 + 10 + 12 + 13 + 14 + 15 + 16 145
x̄ = = ≈ 12,08
12 12

16
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

La moyenne est :

0+1+2+3+3+3+3+4+4+4 24
x̄ = = = 2,4
10 10

On préférera écrire :

1×0+1×1+1×2+4×3+3×4 24
x̄ = = = 2,4
10 10

Soit la série statistique ci-contre :

Valeurs x1 x2 x3 ... xp
Effectifs n1 n2 n3 ... np

La moyenne est donnée par la formule :

n1 x1 + n2 x2 + n3 x3 + · · · + np xp
x̄ =
n1 + n2 + n3 + · · · + np

Donc

1 X X
x̄ = ni xi = f i xi
N i i

Pour l’exemple précédent

1 X 914
x̄ = ni xi = = 4, 57
200 i 200

La moyenne du nombre de prestations sociales reçues par les assurés est d’environ 4,57. Cela signifie
qu’en moyenne, chaque assuré a bénéficié de 4 à 5 prestations au cours de l’année. Les Indicateurs de
tendance centrale : fournissent l’ordre de grandeur des valeurs de la série et la position où se rassemblent
ces valeurs.

4) Les quartiles

Les quartiles sont des indicateurs de position qui divisent une série statistique ordonnée en quatre
parties égales. Ils permettent de repérer la répartition des données autour de valeurs clés :Q2 , Q2 (médiane),
et Q3
Pour l’exemple précédent - Q1 = 3 (Rang N/4 = 200/4 = 50) - Q1 = 3 (Rang 3N/4 = 3(200/4) = 150)

17
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

2.3.2 Caractéristiques de dispersion :

Les paramètres de tendance centrale ne suffisent généralement pas pour caractériser une distribution

1) L’Etendue

L’étendue (ou amplitude) d’une série statistique est la différence entre la valeur maximum et la valeur
minimum de la série.
E = xmax − xmin

Pour l’exemple précédent E = 10 cela signifie que le nombre de prestations sociales reçues varie sur un
intervalle de 10 unités, entre 0 et 10 prestations

2) Variance et écart-type

Variance : La variance est une mesure de la dispersion des données autour de la moyenne. Elle est
définie par :

p
1 X
V (x) = ni (xi − x̄)2
N i=1

où :
— (x) est la variance,
— N est l’effectif total,
— ni est l’effectif associé à la valeur xi ,
— x̄ est la moyenne de la série.

Écart-type : L’écart-type est la racine carrée de la variance. Il s’exprime dans la même unité que les
données :

q
σ= V (x)

Il permet de :
a) Soit comparer la dispersion de plusieurs séries qui ont la même moyenne. A ce propos : plus l’écart
type est grand, plus la série a des variables dispersées autour de la moyenne.
b) Soit de savoir combien de variables se trouvent dans un intervalle centré sur la moyenne et d’amplitude

18
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

σ ou σ .
c) Elle est indique comment, en moyenne, les valeurs de la variable sont groupées autour de la tendance
centrale. Une série statistique dont l’écart type est faible est une série où les valeurs sont peu dispersées on
peut dire que la série statistique est alors homogène. Inversement, un écart type important est représentatif
d’une série très dispersée. Ainsi l’écart type permet d’apprécier le « risque » d’une valeur de la variable,
prise au hasard, soit proche ou éloignée (en valeur positive ou valeur négative) de la moyenne. Le
coefficient de variation : Défini seulement pour des variables positives, le coefficient de variation facilite
les comparaisons, car il est une valeur « sans dimension », indépendante des unités de mesure xi

σ(x)
CV (x) = × 100
x̄

Intervalle interquartile (IQR) : est une mesure de dispersion qui représente la dispersion des données
situées entre le 25e et le 75e percentile.

IQR = Q3 − Q1

Calcul détaillé de la variance

xi ni xi − x̄ (xi − x̄)2 ni · (xi − x̄)2

0 8 -4.28 18.30 146.40
1 15 -3.28 10.75 161.25
2 22 -2.28 5.20 114.40
3 30 -1.28 1.64 49.20
4 35 -0.28 0.08 2.80
5 28 0.72 0.52 14.56
6 20 1.72 2.96 59.20
7 10 2.72 7.40 74.00
8 9 3.72 13.84 124.56
9 7 4.72 22.27 155.89
10 6 5.72 32.73 196.38
Total 1 148.64

Variance :
1 148.64
V (x) = ≈ 5.74
200

19
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Écart-type :
√
σ= 5.74 ≈ 2.40

Le coefficient de variation :
2, 40
CV = × 100 = 56%
4, 28
Interprétation :
- - Une variance de 5,74 signifie que les écarts au carré entre les prestations reçues et la moyenne (4,28)
sont modérément élevés. Cela indique une dispersion notable des données : les assurés ne reçoivent pas
tous un nombre proche de la moyenne.
- Un écart-type de 2,40 signifie que, en moyenne, chaque assuré s’écarte de ±2,4 prestations par rapport à
la moyenne. Cela reflète une variabilité réelle dans les comportements ou les besoins des assurés.
- Le coefficient de variation est d’environ 56%, ce qui indique une dispersion relativement forte autour
de la moyenne. Cela signifie que les prestations sociales reçues par les assurés varient largement d’un
individu à l’autre.

20
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Représentation graphique

- Diagramme en bâtons :

2.3.3 Étude d’une variable quantitative continue

Même notion que dans le chapitre précédent. La seule différence est que on ne considère pas les
modalité une par une mais par CLASSES
Une variable continue est une variable quantitative qui peut prendre toutes les valeurs réelles dans un
intervalle donné, y compris les valeurs décimales. Une variable continue est une variable quantitative qui
peut prendre une infinité de valeurs réelles dans un intervalle donné. Voici ses principales caractéristiques :
[label=–]
— Elle mesure une grandeur physique ou temporelle (ex. : durée, poids, revenu).
— Elle peut prendre des valeurs décimales (ex. : 12, 5; 18, 3; 45, 0).

21
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

— Elle est souvent regroupée en classes d’amplitude égale pour faciliter l’analyse.
— Elle permet des calculs statistiques comme la moyenne, l’écart-type ou la médiane.
— Elle est représentée graphiquement par des histogrammes ou des courbes.

Exemple : Durée de traitement des dossiers de retraite

Dans le cadre d’une étude menée par l’École Supérieure de la Sécurité Sociale, on a relevé la durée de
traitement (en jours) de 85 dossiers de retraite dans plusieurs agences. Cette variable est continue, et les
classes ont une amplitude constante de 10 jours.
TABLE 2.1 – Durée de traitement des dossiers de retraite

Classe (jours) Effectif

[10–20[ 12
[20–30[ 18
[30–40[ 25
[40–50[ 20
[50–60[ 10

Cette distribution permet d’analyser :

1) Le mode

Dans le cas d’une variable statistique continue, les données sont regroupées en classes.
Le mode est alors défini comme la valeur centrale de la classe modale, c’est-à-dire la classe ayant le
plus grand effectif (ou la plus grande fréquence).
Lorsque les données sont regroupées en classes d’amplitude constante ou variable, on peut estimer le
mode à l’aide de la formule suivante :

!
fm − fm−1
Mode = L + ·h
(fm − fm−1 ) + (fm − fm+1 )
— L : borne inférieure de la classe modale
— fm : fréquence (ou effectif) de la classe modale
— fm−1 : fréquence (ou effectif) de la classe précédente
— fm+1 : fréquence (ou effectif) de la classe suivante
— h : amplitude de la classe modale

22
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Cette formule permet d’obtenir une approximation du mode en tenant compte de la répartition des
fréquences autour de la classe modale.
pour l’exemple précédent
— Classe modale : [30–40[
— L = 30 : borne inférieure de la classe modale
— fm = 25 : fréquence de la classe modale
— fm−1 = 18 : fréquence de la classe précédente
— fm+1 = 20 : fréquence de la classe suivante
— h = 10 : amplitude des classes

Formule du mode

!
fm − fm−1
Mode = L + ·h
2fm − fm−1 − fm+1

Application numérique

25 − 18 7 7
     
Mode = 30 + · 10 = 30 + · 10 = 30 + · 10
2 · 25 − 18 − 20 50 − 38 12

Mode ≈ 30 + 5.83 = 35.83

donc la durée modale de traitement des dossiers de retraite est d’environ 35.83 jours, ce qui signifie
que c’est la valeur autour de laquelle les traitements sont les plus fréquents.

23
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

La médiane

Tableau des effectifs

Classe (jours) Effectif Effectif cumulé

[10–20[ 12 12
[20–30[ 18 30
[30–40[ 25 55
[40–50[ 20 75
[50–60[ 10 85

Identification des paramètres

— Effectif total : N = 85
N
— Position de la médiane : 2
= 42,5
— Classe médiane : [30–40[
— L = 30 : borne inférieure de la classe médiane
— F = 30 : effectif cumulé avant la classe médiane
— f = 25 : effectif de la classe médiane
— h = 10 : amplitude de la classe

Formule de la médiane

N
!
2
−F
Médiane = L + ·h
f

Application numérique

42,5 − 30 12,5
   
Médiane = 30 + · 10 = 30 + · 10 = 30 + 5 = 35
25 25
Donc la durée médiane de traitement des dossiers est de 35 jours, ce qui signifie que la moitié des dossiers
sont traités en moins de 35 jours, et l’autre moitié en plus.

24
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

La moyenne

On considère la série statistique suivante :

Classe (jours) ci ni ci · ni
[10 − −20[ 15 12 180
[20 − −30[ 25 18 450
[30 − −40[ 35 25 875
[40 − −50[ 45 20 900
[50 − −60[ 55 10 550
Total 85 2955

La moyenne est donnée par la formule :

ci · n i
P
2955
x̄ = = ≈ 34,76 jours
N 85

La durée moyenne observée dans cette série est d’environ 34,76 jours, ce qui signifie qu’en moyenne,
chaque observation a duré près de 35 jours.

Calcul des quartiles

!
rk − F
Qk = L + ·h
f
— L : borne inférieure de la classe contenant le quartile
N N 3N
— rk : rang du quartile (ex. r1 = 4
, r2 = 2
, r3 = 4
)
— F : effectif cumulé avant la classe du quartile
— f : effectif de la classe du quartile
— h : largeur de la classe
Effectif total : N = 85
N
Premier quartile Q1 : rang r1 = 4
= 21,25
Classe de Q1 : [20–30[

21,25 − 12
 
Q1 = 20 + · 10 ≈ 20 + 5,14 = 25,14
18

25
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

N
Deuxième quartile Q2 (médiane) : rang r2 = 2
= 42,5
Classe de Q2 : [30–40[

42,5 − 30
 
Q2 = 30 + · 10 = 30 + 5 = 35,00
25

3N
Troisième quartile Q3 : rang r3 = 4
= 63,75
Classe de Q3 : [40–50[

63,75 − 55
 
Q3 = 40 + · 10 ≈ 40 + 4,38 = 44,38
20

Interprétation :
— 25% des observations sont inférieures à 25,14 jours.
— 50% des observations sont inférieures à 35,00 jours.
— 75% des observations sont inférieures à 44,38 jours.

Calcul de la variance et de l’écart-type

Les données de la série sont les suivantes :

Classe (jours) ci ni ci · ni c2i · ni

[10–20[ 15 12 180 2700
[20–30[ 25 18 450 11250
[30–40[ 35 25 875 30625
[40–50[ 45 20 900 40500
[50–60[ 55 10 550 30250
Totaux 85 2955 115325

Variance :
P 2
2 ci · ni 115325
σ = P − x̄2 = − (34,76)2 ≈ 1356,76 − 1208,26 = 148,50
ni 85

26
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Écart-type :
√
σ= 148,50 ≈ 12,18 jours

Interprétation :
L’écart-type de 12,18 jours montre que les durées sont modérément dispersées autour de la moyenne.
Autrement dit, la majorité des observations se situent entre environ 22 et 47 jours.

Coefficient de variation

Le coefficient de variation est défini par :

σ
CV = × 100
x̄

Avec :
x̄ = 34,76 et σ = 12,18

12,18
CV = × 100 ≈ 35,05%
34,76

Interprétation :
Le coefficient de variation est d’environ 35%, ce qui indique une dispersion modérée autour de
la moyenne. Cela signifie que les durées observées varient de façon significative, mais sans être trop
instables.

27
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Représentation graphique

- Histograme :

28
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

29
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

30
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

1. Moments d’une variable aléatoire

Les moments permettent de caractériser la distribution d’une variable aléatoire.

P r
— Moment d’ordre r : mr = x i · fi
— Moment centré d’ordre r : m′r = (xi − x̄)r · fi
P

m′r
— Moment réduit d’ordre r : m′′r = σr

2. Paramètres de forme

Ils permettent d’analyser la forme de la distribution :

a) Coefficient d’asymétrie (skewness)

m′3
γ1 =
σ3
— Si γ1 > 0 : distribution asymétrique à droite
— Si γ1 < 0 : asymétrie à gauche
— Si γ1 = 0 : distribution symétrique

b) Coefficient d’aplatissement (kurtosis)

m′4
γ2 = −3
σ4
— Si γ2 > 0 : distribution leptokurtique (plus pointue)
— Si γ2 < 0 : distribution platykurtique (plus aplatie)
— Si γ2 = 0 : distribution mésokurtique (normale)
pour l’exemple précédent

31
CHAPITRE 2. ETUDE DES SÉRIES STATISTIQUES

Classe (jours) ci ni ci · n i c2i · ni c3i · ni c4i · ni

[10˘20[ 15 12 180 2700 40500 607500

[20˘30[ 25 18 450 11250 281250 7031250

[30˘40[ 35 25 875 30625 1071875 37515625

[40˘50[ 45 20 900 40500 1822500 82012500

[50˘60[ 55 10 550 30250 1663750 91506250

Totaux 85 2955 115325 5889875 224812875

1. Moyenne ( )
ci · ni P ni = 2955 ≈34,76]
P
[ =
85

2. Variance et écart-type
P 2
c ·n 115325
[ σ 2 = Pini i − x̄2 = 85
− (34,76)2 ≈ 148,19 ⇒ σ ≈ 12,17]
3. Moment centré d’ordre 3
1 m′3 −5,95
ni · (ci − x̄)3 ≈ −5,95 ⇒ ≈ ≈ −0,0033]
P
[ m’3 = N
γ1 = σ3 1804,2

4. Moment centré d’ordre 4

1 m′4 45684,9
ni · (ci − x̄)4 ≈ 45684,9 ⇒ −3≈ − 3 ≈ −0,92]
P
[ m’4 = N
γ2 = σ4 21961,1

Asymétrie –0,0033 : la distribution est quasi symétrique autour de la moyenne.

Aplatissement –0,92 : la distribution est moins pointue que la normale → platykurtique.

32