Chapitre1 2019 PDF

UNIVERSITÉ HASSAN II DE CASABLANCA
FACULTÉ DES SCIENCES ET TECHNIQUES
PROBABILITES ET STATISTIQUE
Pr. Abdelhak FAHSI

Département de Mathematiques
Module M147, Parcours MIP (S4)

UNIVERSITÉ HASSAN II DE CASABLANCA
FACULTÉ DES SCIENCES ET TECHNIQUES
1ère Partie
STATISTIQUE DESCRIPTIVE
Pr. Abdelhak FAHSI

Département de Mathematiques
Module M147, Parcours MIP (S4)

Introduction générale
1ère partie : STATISTIQUE DESCRIPTIVE - Introduction Module M147 - MIP Pr. A. FAHSI
Le traitement et l’analyse de l’information statistique sont
au coeur de tous les processus de gestion, de prévision et
de décision.
La statistique trouve ses applications dans plusieurs

domaines scientifiques de différentes natures : économie,
biologie, chimie, physique, sociologie, médecine, sciences
de l’ingénieur, ...
La statistique comporte deux granes branches :
La Statistique Descriptive : C’est un ensemble de

techniques scientifiques permettant de présenter, résumer,
analyser et interpréter des données statistiques. Ces
techniques peuvent être numériques (élaboration de
tableaux, calcul de paramètres) ou graphiques
(visualisation par des représentations graphiques).
La Statistique Mathématique : C’est un ensemble de
méthodes mathématiques, basées sur la modélisation et le
calcul des probabilités, qui permettent à partir de l’étude
d’un échantillon de déduire des informations, faire des
prévisions et prendre des décisions concernant une
population plus grande.
Dans cette 1ère partie du cours, on se limite à l’étude de la

statistique descriptive à une et à deux dimensions.
Objectifs de ce cours :
Apprendre et comprendre les principales techniques
de la statistique descriptive à une dimension et à
deux dimensions.
Être capable de mettre en oeuvre ces techniques de
manière appropriée pour décrire, organiser, analyser et
interpréter des données statistiques.
En résumé, Au bout de ce cours, l’étudiant doit être
capable de répondre à des questions de ce genre :
Exercice 1
L’observation de la consommation énergétique quotidienne
(en kwh) dans un local commercial durant une année a
donné les résultats suivants :
Consommation [8, 10[ [10, 14[ [14, 16[ [16, 20[ [20, 24[
Effectif 55 60 80 120 50
1 Préciser la population étudiée, le caractère étudié et sa
nature.
2 Tracer les diagrammes qui permettent de représenter
cette distribution statistique.
3 Calculer le mode, la médiane, la moyenne et
l’écart-type.
4 Calculer la proportion des jours dont la consommation
est comprise entre 11 et 22 kwh.
Exercice 2
La distribution conjointe d’un groupe d’étudiants selon la
note obtenue en module de statistique (caractère X ) et le
nombre d’absence aux cours et travaux dirigés (caractère
Y ) est représentée dans le tableau suivant :
Y 0 1 2 3 4
X
[0, 6[ 0 4 3 8 12
[6, 10[ 3 7 10 12 18
[10, 12[ 6 8 9 8 7
[12, 14[ 7 6 5 3 2
[14, 16[ 8 3 2 0 0
[16, 20[ 9 4 1 0 0
1 Déterminer les distributions marginales.
2 Tracer l’histogramme et la courbe cumulative de la
distribution marginale de X .
3 Calculer le mode et la médiane de X et de Y .
4 Calculer la covariance des deux variables X et Y .
5 Calculer le coefficient de corrélation linéaire.
Commenter.
Plan du cours
1 Chapitre 1 : Statistique descriptive 1D (séries simples)

I- Définitions
II- Organisation des données
II.1- Tableaux statistiques
II.2- Représentations graphiques
III- Réduction des données
III.1- Paramètres de tendance centrale
III.1- Paramètres de position
III.2- Paramètres de dispersion
2 Chapitre 2 : Statistique descriptive 2D (séries doubles)

I- Tableau de contingence
II- Paramètres d’une série double
III- Ajustement linéaire
I- Définitions
Chapitre 1
Statistique descriptive à une

dimension
1ère partie : STATISTIQUE DESCRIPTIVE - Chapitre 1 Module M147 - MIP Pr. A. FAHSI
I- Définitions
I- Définitions
I- Définitions
1. Population (notée P) : On appelle population, l’ensemble de

tous les éléments sur lesquels on veut effectuer l’étude
statistique.
Exemple
- Les étudiants inscrits à la FSTM,
- Les voitures vendues au Maroc entre 2010 et 2016,
- Les jours de l’année 2018.
I- Définitions
2. Individu : Chaque élément de la population est appelé

individu (ou unité statistique).
Les individus de la population peuvent être des êtres vivants

(humains, animaux, . . . ) ou des objets (voitures, livres, . . . ) ou
des éléments abstraits (accidents, jours, . . . ).
Le nombre des individus d’une population, noté N, est appelé

taille ou effectif total de la population.
I- Définitions
3. Echantillon : Un groupe restreint d’individus prélevés dans

la population P (sous-ensemble de P) est appelé un
échantillon de P.
Remarque : On se limite à l’étude d’un échantillon lorsque’il

est impossible ou très difficile d’étudier la population dans sa
totalité.
I- Définitions
4. Caractère (variable) statistique (noté X , Y , . . .) : On appelle

caractère (ou variable) statistique toute caractéristique qui
peut être observée ou mésurée pour chaque individu de la
population.
Exemple
- La couleur des voitures fabriquées par une usine,
- Les notes d’un groupe d’étudiants,
- Le salaire des employés d’une entreprise,
- La consommation quotidienne d’électricité durant une année,
I- Définitions
On distingue deux types de caractères :

Caractère qualitatif : C’est un caractère non mesurable.
Les valeurs du caractère ne sont pas numériques.
Exemple
La couleur, la nationalité, la situation familiale, . . .
Caractère quantitatif : C’est un caractère mesurable. Les

valeurs du caractère sont numériques.
Exemple
L’âge, le poids, la taille, le salaire, . . .
I- Définitions
5. Série brute :
Considérons un caractère X sur une population P de taille N.
A chaque individu de la population est associée une valeur du

caractère, notée x(i) .
La suite des valeurs x(1) , x(2) , . . . , x(N) (non nécessairement

distintes) est appelée série brute du caractère X .
I- Définitions
Exemple
On considère le caractère X =”état civil” des employés d’une
entreprise.
On considère la codification : C=célibataire, D=divorcé(e),
M=marié(e), V=veuf(ve).
On suppose le résultat suivant (série brute) :

M M D C C M C C C M
C M V M V D C C D M
On a : x(1) = M, x(2) = M, x(3) = D, . . . , x(20) = M.
I- Définitions
6. Modalités d’un caractère X : Les différentes valeurs

distinctes prises par le caractère X , notées x1 , x2 , . . . , xk , sont
appelées modalités de X .
L’ensemble des modalités d’un caractère X est noté :
X (P) = {x1 , x2 , . . . , xk }
k désigne le nombre de modalités de X .
Exemple
- Les modalités du caractère X = ”état civil” sont :
{C, D, M, V }
- Le caractère X = ”nombre d’enfants par famille” peut avoir
comme modalités : {0, 1, 2, 3, 4, 5, 6 et plus}.
I- Définitions
7. Effectif (noté ni ) : L’effectif d’une modalité xi est le nombre

d’individus présentant cette modalité.
L’effectif total de la population est égal à la somme des

effectifs de toutes les modalités du caractère étudié. On a :
k
X
ni = N
i=1
I- Définitions
8. Effectif cumulé (noté Ni ) : On suppose les modalités

ordonnées :
x1 < x2 < . . . < xk
L’effectif cumulé d’une modalité xi est le nombre d’individus de
la population pour lesquels la valeur du caractère est
inférieure ou égale à xi . On a :
N1 = n1
i
X
Ni = nj = Ni−1 + ni , pour i ≥ 2
j=1
I- Définitions
9. Fréquence ou proportion (notée fi ) : La fréquence d’une

n
modalité xi , est le rapport fi = i .
N
C’est la proportion des individus de la population présentant

cette modalité. On a :
Xk
fi = 1
i=1
Remarque
La fréquence fi appartient à l’intervalle [0, 1].
Souvent, on note les fréquences en pourcentage (avec le

symbole %) en les multipliant par 100.
I- Définitions
10. Fréquence cumulée (notée Fi ) : La fréquence cumulée

d’une modalité xi est la proportion d’individus pour lesquels la
valeur du caractère est inférieure ou égale à xi . On a :
F 1 = f1
i
Ni X
Fi = = fj = Fi−1 + fi , pour i ≥ 2
N
j=1
I- Définitions
11. Groupement en classes

Lorsque le nombre des modalités d’un caractère
quantitatif est élevé (supérieur à 15), on est généralement
conduit à regrouper les modalités en classes de la forme :
[xi ; xi+1 [ (ou ]xi ; xi+1 ]), i = 1, 2, . . . , k
Exemple
Le caractère X = ”Consommation quotidienne d’électricité (en
kwh) dans un local commercial durant une année” peut avoir
comme modalités groupées en classes :
[8; 10[, [10; 14[, [14; 16[, [16; 20[, [20; 24[
I- Définitions
On appelle effectif d’une classe [xi ; xi+1 [ (noté ni ) le nombre

d’individus ayant une valeur du caractère appartenant à cette
classe.
On appelle effectif cumulé de la classe [xi ; xi+1 [ (noté Ni ) le

nombre d’individus pour lesquels la valeur du caractè est
inférieure ou égale à xi+1 ,
On appelle effectif cumulé d’une valeur x du caractère X (noté

N(x)) le nombre d’individus pour lesquels la valeur du
caractère est inférieure ou égale à x.
On a des définitions analogues pour les fréquences et les

fréquences cumulées.
I- Définitions
Règles de construction des classes

Fixer un nombre de classes ni trop petit ni trop grand
(généralement de 5 à 15).
Choisir des bornes qui, autant que possible, permettront
des calculs simples.
Considérer des classes adjacentes fermées d’un côté et
ouvertes de l’autre.
I- Définitions
Remarque
Le groupement en classes d’une série statistique correspond à
une perte d’informations par rapport aux données initiales. Le
travail avec un tel groupement impose alors l’hypothèse de la
répartition uniforme des données à l’intérieur de chaque
classe.
Ainsi, à toute partie A = [a; b] inclue dans une classe [xi ; xi+1 [
d’effectif ni correspond un effectif n(A) défini par :
(b − a)
n(A) = ni ×
(xi+1 − xi )
Dans ce cas, l’effectif de toute valeur isolée sera égal à zéro.
I- Définitions
12. Types d’un caractère quantitatif:

On distingue deux types de caractère quantitatif :
Caractère discret :
Si les modalités d’un caractère quantitatif X sont considérées
sous forme de valeurs isolées, discrètes x1 , x2 , . . . , xk , on dit
que X est un caractère de type discret.
La famille {(xi , ni )1≤i≤k } ou {(xi , fi )1≤i≤k } est appelée série ou

distribution statistique discrète associée au caractère X .
I- Définitions
Caractère continu :
Si les modalités d’un caractère X sont groupées sous forme

de classes [x1 ; x2 [, . . . , [xk ; xk+1 [, on dit que X est un caractère
de type continu.
La famille {([xi ; xi+1 [, ni )1≤i≤k } ou {([xi ; xi+1 [, fi )1≤i≤k } est

appelée série ou distribution statistique continue associée au
caractère X .
I- Définitions
II.2- Representations graphiques
I- Définitions
La première étape dans une étude statistique consiste à

organiser les données statistiques observées pour pouvoir en
déduire un certain nombre de renseignements qualitatifs et
quantitatifs.
Cet objectif peut être atteint en présentant les données

observées sous forme de :
1 Tableaux statistiques,
2 Représentations graphiques,
I- Définitions
I- Définitions
Un tableau statistique consiste à résumer et présenter les

données d’une série statistique associée à un caractère X
sous forme de distributions d’effectifs ou de fréquences en
fonction des modalités :
I- Définitions
Modalités Effectifs ...

xi ni
x1 n1
x2 n2
.. ..
. .
xk nk
Total N
Tableau statistique simple
I- Définitions
Modalités Fréquences ...

xi fi
x1 f1
x2 f2
.. ..
. .
xk fk
Total 1
Tableau statistique simple
I- Définitions
Modalités Effectifs Fréquences Eff. Cum. Fréq. Cum. ...

xi ni fi Ni Fi
x1 n1 f1 N1 = n1 F1 = f1
x2 n2 f2 N2 F2
.. .. .. .. ..
. . . . .
xk nk fk Nk = N Fk = 1
Total N 1
Tableau statistique détaillé
I- Définitions
Exemple1 : Dans un atelier de contrôle technique, on a

enquêté sur l’état mécanique d’un échantillon de 70 voitures,
après 5 ans de leur mise en circulation.
On a obtenu la série statistique brute suivante :
I- Définitions
Bon Bon Moyen Bon Bon Mauvais

Excellent Moyen Bon Bon Excellent Moyen
Moyen Bon Excellent Mauvais Bon Bon
Bon Mauvais Excellent Bon Bon Excellent
Bon Moyen Mauvais Moyen Excellent Bon
Bon Moyen Excellent Bon Bon Excellent
Mauvais Moyen Excellent Bon Bon Moyen
Bon Excellent Bon Moyen Excellent Bon
Moyen Bon Excellent Bon Mauvais Moyen
Bon Bon Moyen Bon Bon Moyen
Mauvais Excellent Bon Moyen Bon Bon
Moyen Moyen Bon Excellent
I- Définitions
Tableau statistique : Les résultats statistiques de cette enquête

sont résumés et présentés dans le tableau statistique suivant :
Etat Mécanique Effectif Fréquence ...

ni fi
Mauvais 7 0.1
Moyen 17 0.24
Bon 32 0.46
Excellent 14 0.2
Total 70 1
I- Définitions
Exemple2 : Dans un échantillon composé de 50 familles, on

enquête sur le nombre d’enfants par famille.
Les résultats de l’enquête statistique sont :
1 0 5 2 2 1 2 1 2 4
4 7 1 3 2 5 4 6 3 1
1 6 1 3 8 1 3 5 2 3
3 0 3 4 6 4 1 7 2 0
2 0 1 2 2 3 2 5 6 2
I- Définitions
Tableau statistique :
Nombre Effectif ...

d’enfants ni
0 4
1 10
2 12
3 8
4 5
5 4
6 4
7 2
8 1
Total 50
I- Définitions
Tableau statistique détaillé :
Nombre Effectif Eff. cum. Fréquence Fréq. cum. ...

d’enfants ni Ni fi Fi
0 4 4 0.08 0.08
1 10 14 0.2 0.28
2 12 26 0.24 0.52
3 8 34 0.16 0.68
4 5 39 0.1 0.78
5 4 43 0.08 0.86
6 4 47 0.08 0.94
7 2 49 0.04 0.98
8 1 50 0.02 1
Total 50 1
I- Définitions
Exemple3 : En mesurant la taille de 50 femmes enceintes, on

a obtenu les résultats suivants (en cm) :
152 151.5 160 165 170

159 168 161 164 156
158.5 167 157 170.5 161.5
169 156 158.5 160.5 152
156.5 166 152.5 170 165
154 170 165 155.5 166.5
162.5 152.5 168 169 158
157 161 154.5 162 158
153.5 157.5 163 155 153
160 169.5 154 161 162
I- Définitions
Le nombre des modalités observées étant élevé, il est donc

nécessaire de les grouper en classes.
Le caractère étudié sera alors traité comme un caractère
continu.
On peut considérer le choix des classes suivantes :
[151; 155[
[155; 159[
[159; 163[
[163; 167[
[167; 171[
I- Définitions
Tableau statistique :
Taille Effectif ...

(en cm) ni
[151; 155[ 10
[155; 159[ 12
[159; 163[ 11
[163; 167[ 7
[167; 171[ 10
Total 50
I- Définitions
II.2- Representations
graphiques
I- Définitions
Bien que un tableau statistique résume toute l’information

d’une distribution statistique, la représentation graphique
permet de visualiser et de déceler les principales
caractéristiques de la distribution statistique (tendance,
symétrie, dispersion, concentration, . . . ).
La représentation graphique des données relatives à un

caractère repose (selon le type du caractère) sur la
proportionnalité des longueurs ou des surfaces aux
effectifs des différentes modalités du caractère.
Ainsi, suivant le type du caractère étudié, on utilise

différents modes de représentations graphiques.
I- Définitions
A. Caractère qualitatif :
Pour représenter une distribution statistique d’un
caractère qualitatif, on peut utiliser un diagramme en
rectangles ou un diagramme circulaire.
Considérons l’exemple1 : Etat mécanique des voitures :

Etat Mécanique Effectif Fréquence
ni fi
Mauvais 7 0.1
Moyen 17 0.24
Bon 32 0.46
Excellent 14 0.2
Total 70 1
I- Définitions
A.1) Diagramme en rectangles (ou en tuyaux d’orgue) :
On représente chaque modalité par un rectangle dont la

hauteur est égale à l’effectif (ou à la fréquence) de la modalité
et dont la base est constante.
I- Définitions
Effectif
35
30
25
20
32
15
10
17
14
5
7
0
Mauvais Moyen Bon Excellent
I- Définitions
A.2) Diagramme circulaire ( ou sectoriel) :
Chaque modalité est représentée par un secteur dont l’angle

est proportionnel à l’effectif (ou à la fréquence) correspondant.
La totalité de la circonférence (360◦ ) correspond à l’effectif
total N.
Le tableau suivant donne l’angle αi correspondant à chaque

modalité (αi = 360 × ni /N = 360 × fi ) :
I- Définitions
Etat Effectif Angle

Mécanique ni αi
Mauvais 7 36◦
Moyen 17 87.4◦
Bon 32 164.6◦
Excellent 14 72◦
Total 70 360◦
I- Définitions
Diagramme circulaire Mauvais

10%
Excellent
20%
Moyen
24%
Bon
46%
I- Définitions
B. Caractère quantitatif discret :

caractère quantitatif discret, on peut utiliser le diagramme
en batôns, le polygone des fréquences ou le diagramme
en escalier (courbe cumulative).
Considérons l’exemple2 (Nombre d’enfants par famille) :
I- Définitions
Nombre Effectif Fréquence Eff. cum. Fréq. cum.

d’enfants ni fi Ni Fi
0 4 0.08 4 0.08
1 10 0.2 14 0.28
2 12 0.24 26 0.52
3 8 0.16 34 0.68
4 5 0.1 39 0.78
5 4 0.08 43 0.86
6 4 0.08 47 0.94
7 2 0.04 49 0.98
8 1 0.02 50 1
Total 50 1
I- Définitions
B.1) Diagramme en bâtons :
Le diagramme en bâtons consiste à représenter, dans un

repère cartésien, chaque modalité du caractère par un
segment de droite vertical dont la hauteur est égale à l’effectif
(ou à la fréquence) de la modalité.
I- Définitions
15 0.3
Effectif ni Fréquence fi
10 0.2
5 0.1
0 xi 0 xi
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
Figure: Diagramme en bâtons.
I- Définitions
B.2) Polygone des frèquences :
Le polygone des frèquences est construit en joignant par des

segments de droites les sommets des bâtons du diagramme
en bâtons.
I- Définitions
15
10
ni
0
0 1 2 3 4 5 6 7 8 x
i
Figure: Polygone des fréquences.
I- Définitions
B.3) Diagramme en escaliers - Courbe cumulative :
On suppose x1 < x2 < . . . < xk

À partir des effectifs cumulés Ni , on peut définir la fonction
de répartition des effectifs, notée G(x), définie de IR vers
[0, N] :
G(x) représente le nombre des individus de la population
pour lesquels la valeur du caractère est inférieure ou
égale à x.
À partir des fréquences cumulées Fi , on peut définir la
fonction de répartition des fréquences, notée F (x), définie
de IR vers [0, 1] :
F (x) représente la proportion des individus de la
population pour lesquels la valeur du caractère est
inférieure ou égale à x.
I- Définitions
Donc, par définition :

La fonction de répartition des effectifs G(x) est définie par :

 0 si x < x1
G(x) = N si xi ≤ x < xi+1 , 1 ≤ i ≤ k − 1
 i
N si x ≥ xk
La fonction de répartition des fréquences F (x) est définie par :


 0 si x < x1
F (x) = F si xi ≤ x < xi+1 , 1 ≤ i ≤ k − 1
 i
1 si x ≥ xk
On a :
G(x)
F (x) =
N
I- Définitions
Le diagramme en escalier ou la courbe cumulative (appelée

aussi courbe des effectifs cumulées ou courbe des fréquences
cumulés), est la représentation graphique de la fonction de
répartition G(x) ou F (x).
I- Définitions
G(x) F(x)
50 1
40 0.8
30 0.6
20 0.4
10 0.2
0 x 0 x
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
Figure: Courbe cumulative.
I- Définitions
Remarque
F (x) (resp. G(x)) est nulle pour les valeurs de x
inférieures à la plus petite modalité x1 et elle est égale à 1
(resp. N) pour les valeurs de x supérieures ou égale à la
plus grande modalité xk .
F (x) (resp. G(x)) est constante, égale à F (xi ) (resp.
G(xi )), dans chaque intervalle xi ≤ x < xi+1 .
Ainsi, la courbe cumulative d’un caractère discret
présente l’aspect d’un escalier (fonction croissante et
constante par morceaux).
I- Définitions
C. Caractère quantitatif continu :

caractère quantitatif continu, on peut utiliser
l’histogramme, le polygone des fréquences ou la courbe
cumulative.
I- Définitions
C.1) Histogramme et Polygone des fréquences :
Les modalités sont présentées sous forme de classes

[xi ; xi+1 [, 1 ≤ i ≤ k.
L’histogramme d’un caractère continu consiste à représenter

chaque classe [xi ; xi+1 [ du caractère par un rectangle vertical
dont la base est égale à l’amplitude de la classe, notée
ai = xi+1 − xi , et dont la hauteur hi est telle que la surface
Si = ai × hi du rectangle soit proportionnelle à l’effectif ni (ou à
la fréquence fi ) de la classe :
Si = C × ni ou bien Si = C × fi
avec C une constante arbitraire à choisir.
I- Définitions
On distingue deux cas :
1er cas : Toutes les classes ont une même amplitude a.

Dans ce cas, pour tracer l’histogramme, on représente chaque
classe par un rectangle dont la hauteur est égale à l’effectif (ou
à la fréquence) de la classe. La base de tous les rectangles
étant la même (égale à l’amplitude a).
Cela revient à choisir la constante C égale à l’amplitude a.
I- Définitions
Exemple3 : Taille des femmes enceintes (Classes de même

amplitude)
Taille Effectif
(en cm) ni
[151; 155[ 10
[155; 159[ 12
[159; 163[ 11
[163; 167[ 7
[167; 171[ 10
Total 50
I- Définitions
Histogramme : Toutes les classes ont la même amplitude.
15
Effectif ni
10
0
151 155 159 163 167 171 Taille
I- Définitions
Polygone des fréquences :
Lorsque toutes les classes ont une même amplitude, le

polygone des fréquences est construit, à partir de
l’histogramme, en joignant par des segments de droites les
milieux des côtés supérieurs des rectangles.
Les extrémités rejoignent l’axe des abscisses.
I- Définitions
Polygone des fréquences : Classes de même amplitude.
15
Effectif ni
10
0
151 155 159 163 167 171 Taille
I- Définitions
2ème cas : Les classes n’ont pas la même amplitude.

Dans ce cas, pour construire l’histogramme, chaque classe
[xi ; xi+1 [ doit être représentée par un rectangle dont la base
est égale à l’amplitude ai de la classe et dont la hauteur hi est
définie par :
ni fi
hi = C × ou bien hi = C ×
ai ai
où C est une constante de proportionnalité à choisir.
I- Définitions
hi est appelée effectif corrigé (ou fréquence corrigée) de la

classe [xi ; xi+1 [.
Le choix de la constante C est arbitraire (on peut choisir par

exemple, C = 1).
Cependant, pour simplifier les calculs et/ou pour tracer le

polygone des fréquences, il faut choisir C égale au plus grand
diviseur commun des amplitudes ai .
I- Définitions
Exemple3 : Taille des femmes enceintes (Classes avec des

amplitudes différentes)
Taille amplitude Effectif Eff. corrigé

(en cm) ai ni hi
[151; 155[ 4 10 10
[155; 159[ 4 12 12
[159; 167[ 8 18 9
[167; 171[ 4 10 10
Total 50
ni
avec hi = C × ( on a choisi C = PGDC(ai ) = 4).
ai
I- Définitions
Histogramme : avec effectifs corrigés (amplitudes différentes).
15
Effectif corrigé hi
(C=4)
10
0 Taille
151 155 159 163 167 171
I- Définitions
Polygone des fréquences (amplitudes différentes) :
Puisqu’on a choisi C = PGCD(ai ), alors chaque amplitude ai

est un multiple de C. On a alors :
ai = ki × C, avec ki un entier
I- Définitions
Pour construire le polygone des fréquences, on considère

chaque rectangle de l’histogramme, de base ai = xi+1 − xi ,
comme une réunion de ki sous-rectangles de même base C.
Puis, on trace les milieux des côtés supérieurs des

sous-rectangles de base C et on joint ces milieux
successivement par des segments de droites.
Les extrémités du polygone rejoignent l’axe des abscisses.
I- Définitions
Polygone des fréquences : amplitudes différentes.
15
(C=4)
10
0 Taille
151 155 159 163 167 171
I- Définitions
Remarque
L’aire des rectangles de l’histogramme est égale à l’aire

délimité par le polygone des fréquences.
I- Définitions
15 15
Effectif ni Effectif corrigé hi
(C=4)
10 10
S1
5 5 S1+ S2
S2
0 0
151 155 159 163 167 171 Taille 151 155 159 163 167 171 Taille
Figure: La surface est conservée.
I- Définitions
15 15
Effectif ni Effectif corrigé hi
(C=4)
10 10
5 5
0 0
151 155 159 163 167 171 Taille 151 155 159 163 167 171 Taille
Figure: La surface est conservée.
I- Définitions
C.2) Courbe cumulative - Fonction de répartition :
Comme pour le cas discret, on définit pour un caractère

continu une fonction de répartition à partir des effectifs
cumulés ou à partir des fréquences cumulées :
I- Définitions
La fonction de répartition des effectifs, notée G(x), définie

de IR vers [0, N] :
Elle représente le nombre des individus de la population
pour lesquels la valeur du caractère est inférieure ou
égale à x.
La fonction de répartition des fréquences, notée F (x),
définie de IR vers [0, 1] :
Elle représente la proportion des individus de la
population pour lesquels la valeur du caractère est
inférieure ou égale à x.
On a :
G(x)
F (x) =
N
I- Définitions
Remarques
Par définition, on a :
Ni = G(xi+1 ), pour 1 ≤ i ≤ k
Fi = F (xi+1 ), pour 1 ≤ i ≤ k
G(x1 ) = F (x1 ) = 0
avec Ni (resp. Fi ) est l’effectif cumulé (resp. la fréquence
cumulée) de la classe [xi , xi+1 [.
On connait donc les valeurs des fonctions de répartition

G(x) et F (x) aux points xi pour 1 ≤ i ≤ k + 1.
I- Définitions
L’hypothèse d’équirépartition des données à l’intérieur de

chaque classe implique que la fonction de répartition est
linéaire à l’intérieur de chaque classe.
La fonction de répartition d’un caractère continu est donc
croissante, continue et linéaire par morceaux.
Ainsi, la fonction de répartition des effectifs G(x) et la
fonction de répartition des fréquences F (x) sont définies
par :
I- Définitions

 0
 si x ≤ x1
G(xi+1 )−G(xi )
G(x) = G(xi ) + xi+1 −xi (x − xi ) si xi ≤ x ≤ xi+1 , 1 ≤ i ≤ k

 N si x ≥ xk+1

 0
 si x ≤ x1
F (xi+1 )−F (xi )
F (x) = F (xi ) + xi+1 −xi (x − xi ) si xi ≤ x ≤ xi+1 , 1 ≤ i ≤ k

 1 si x ≥ xk+1
I- Définitions
La courbe cumulative est la représentation graphique de la

fonction de répartition G(x) ou F (x).
Exemple3 : Taille des femmes enceintes
Taille Effectif Eff. cum. Fréq. cum.

ni Ni Fi
[151; 155[ 10 10 0.2
[155; 159[ 12 22 0.44
[159; 163[ 11 33 0.66
[163; 167[ 7 40 0.8
[167; 171[ 10 50 1
Total 50
I- Définitions
Effectif cumulé (G(x)) Fréquence cumulée (F(x))

N= 50 1
40 0.8
30 0.6
20 0.4
10 0.2
0 0
151 155 159 163 167 171 Taille 151 155 159 163 167 171 Taille
Figure: Courbe cumulative.
I- Définitions
Remarque
La courbe cumulative est construite en joignant
successivement, par des segments de droites, les points
de coordonnées (xi , G(xi )) (ou (xi , F (xi ))), 1 ≤ i ≤ k + 1.
Aux points extremes x1 et xk+1 , la courbe est
horizontalement prolongée respectivement vers la gauche
et vers la droite.
I- Définitions
Remarque :
F (x) (resp. G(x)) est une fonction continue, croissante et
linéaire par morceaux.
On a, par définition :
F (a) = Pr (X ≤ a) = Pr (X < a), (avec Pr =proportion)
On en déduit :
Pr (X > a) = Pr (X ≥ a) = 1 − F (a)
Pr (a ≤ X ≤ b) = Pr (a < X < b) = F (b) − F (a)
Pr (X = a) = 0
Ainsi, pour un caractère continu, les inégalités largee et
les inégalités strictes sont confondues et la proportion
d’une valeur isolée est égale à zéro.
I- Définitions

statistiques
I- Définitions
Les tableaux statistiques et les représentations

graphiques présentent une information globale et détaillée
de la distribution d’un caractère.
Cependant, il est souvent très utile de chercher à réduire
l’information globale par des paramètres (ou indicateurs)
qui résument les caractéristiques essentielles de la
distribution et indiquent comment les valeurs de la série
se répartissent autour de ces paramètres.
Dans la suite, on va définir et interpréter les différents
types de paramètres les plus fréquemment utilisés en
statistique descriptive.
1- La moyenne
2- Le mode
3- La médiane
III.4- Paramètres de dispersion relative
III.1- Paramètres de tendance

centrale
1- La moyenne
2- Le mode
3- La médiane
Les paramètres de tendance centrale permettent de savoir

autour de quelles valeurs, situées au centre, se répartissent
les données d’une série statistique.
Dans ce paragraphe, on va définir trois paramètres de

tendance centrale, fréquemment utilisés : la moyenne, le
mode et la médiane.
1- La moyenne
2- Le mode
3- La médiane
1- La moyenne
1- La moyenne
2- Le mode
3- La médiane
Selon l’usage courant, lorsqu’on parle de moyenne, on pense

à la moyenne arithmétique. Cependant, il existe d’autres types
de moyennes.
Chaque type de moyennes présente la propriété de conserver

une caractéristique de l’ensemble des observations quand on
remplace chaque élément par cette valeur moyenne.
La moyenne n’est définie que pour un caractère statistique

quantitatif.
1- La moyenne
2- Le mode
3- La médiane
Définition
Soient P une population de taille N, X un caractère quantitatif
et x(1) , x(2) , . . . , x(N) la série statistique brute associée à X
(ces valeurs ne sont pas nécessairement toutes distinctes).
La moyenne arithmétique du caractère X , notée X , qu’on

appelle tout simplement moyenne, est égale à la somme de
toutes les valeurs observées divisée par le nombre de ces
valeurs :
N
1X
X = x(i)
N
i=1
1- La moyenne
2- Le mode
3- La médiane
Remarque
La moyenne arithmétique conserve la somme totale des

valeurs observées :
- Si on remplace toutes les valeurs observées par leur
moyenne, la somme totale sera inchangée.
- Si on modifie les valeurs de deux observations tout en
conservant leur somme, la moyenne sera inchangée.
1- La moyenne
2- Le mode
3- La médiane
Détermination pratique :
a. Cas d’un caractère discret :
Soit {(xi , ni )1≤i≤k } une distribution statistique discrète. On a :
k k
1X X
X = ni xi = fi xi
N
i=1 i=1
1- La moyenne
2- Le mode
3- La médiane
Exemple
Considérons l’exemple 2 (Nombre d’enfants par famille) :
Les calculs peuvent être résumés dans le tableau suivant :
xi 0 1 2 3 4 5 6 7 8 Total
ni 4 10 12 8 5 4 4 2 1 50
ni × xi 0 10 24 24 20 20 24 14 8 144
Donc
144
X = = 2.88
50
1- La moyenne
2- Le mode
3- La médiane
b. Cas d’un caractère continu :
Soit {([xi , xi+1 [, ni )1≤i≤k } une distribution statistique continue.
En raison de l’hypothèse d’équi-répartition à l’intérieur des

classes, on suppose que la moyenne des observations à
l’intérieur d’une classe [xi , xi+1 [ est égale au centre de la
x + xi+1
classe ci = i . On a alors :
2
k k
1X X
X = ni ci = fi ci
N
i=1 i=1
1- La moyenne
2- Le mode
3- La médiane
Exemple
Considérons l’exemple 3 (Taille d’un groupe de femmes).
Les calculs peuvent être résumés dans le tableau suivant :

[xi ; xi+1 [ ni ci ni × ci
[151; 155[ 10 153 1530
[155; 159[ 12 157 1884
[159; 163[ 11 161 1771
[163; 167[ 7 165 1155
[167; 171[ 10 169 1690
Total 50 8030
Donc la taille moyenne est :
8030
X = = 160.6 cm
50
1- La moyenne
2- Le mode
3- La médiane
Propriétés :
Si on pose le changement de variables Y = ϕ(X ), alors
k
1X
Y = ni ϕ(xi )
N
i=1
les xi représentent les valeurs des modalités dans le cas

discret ou les centres des classes dans le cas continu.
En particulier, si on pose le changement de variables
affine Y = aX + b, alors on a Y = aX + b
La somme algébrique des écarts à la moyenne
k
X
arithmétique est nulle : ni (xi − X ) = 0
i=1
1- La moyenne
2- Le mode
3- La médiane
Si une population P de taille N est composée de m

sous-populations P1 , P2 , . . . , Pm , de tailles respectives
N1 , N2 , . . . , Nm et de moyennes respectives
X 1 , X 2 , . . . , X m . Alors la moyenne X de la population P
est donnée par :
m
1X
X = Ni X i
N
i=1
Si X et Y sont deux caractès définis sur une même

population P, alors :
X +Y =X +Y
1- La moyenne
2- Le mode
3- La médiane
2- Le mode
1- La moyenne
2- Le mode
3- La médiane
Définition
Le mode d’une distribution statistique, noté Mo , est la valeur
du caractère qui admet le plus grand effectif (ou la plus grande
fréquence).
C’est la valeur du caractère la plus fréquente.
1- La moyenne
2- Le mode
3- La médiane
Remarque :
Le mode peut être calculé pour tous les types de
caractère.
Le mode d’un caractère continu appartient à la classe
modale qui correspond à l’effectif corrigé le plus élevé.
Une distribution statistique peut avoir plusieurs modes.
1- La moyenne
2- Le mode
3- La médiane
Si le caractère est qualitatif ou quantitatif discret, le mode
s’obtient facilement à partir du tableau statistique.
a. Cas d’un caractère qualitatif :
Considérons l’exemple1 : Etat mécanique des voitures.
Etat Effectif Fréquence
Mécanique ni fi
Mauvais 7 0.1
Moyen 17 0.24
Bon 32 0.46
Excellent 14 0.2
Total 70 1
”Bon” est la modalité qui admet le plus grand effectif. Donc, le

mode est Mo = Bon.
1- La moyenne
2- Le mode
3- La médiane
b. Cas d’un caractère discret :
Exemple
Nombre d’enfants 0 1 2 3 4 5 6 7 8 Total

Effectif ni 4 10 12 8 5 4 4 2 1 50
2 est la valeur la plus fréquente. Donc le mode de cette

distribution statistique est Mo = 2 enfants.
1- La moyenne
2- Le mode
3- La médiane
c. Cas d’un caractère continu :
Dans ce cas, on définit d’abord la classe modale qui

correspond à l’effectif corrigé le plus élevé.
La classe modale correspond donc à la classe dont le
rectangle sur l’histogramme a la hauteur la plus élevée.
Si [xi ; xi+1 [ est la classe modale (d’effectif corrigé hi ), alors on

détermine la valeur du mode Mo en tenant compte des
effectifs corrigés des deux classes adjacentes à la classe
modale par la méthode suivante :
1- La moyenne
2- Le mode
3- La médiane
Histogramme
Effectif corrigé
Classe modale
hi
∆
1
∆
2
h
i−1
hi+1
xi xi+1 x
Mo
Mo − xi x − Mo
On a : = i+1
∆1 ∆2
1- La moyenne
2- Le mode
3- La médiane
D’où :
∆1
Mo = xi + (xi+1 − xi )
∆1 + ∆ 2
avec
∆1 = hi − hi−1
∆2 = hi − hi+1
1- La moyenne
2- Le mode
3- La médiane
Exemple
Considérons l’exemple3 (Taille des femmes enceintes) :
Taille Effectif
(en cm) ni
[151; 155[ 10
[155; 159[ 12
[159; 163[ 11
[163; 167[ 7
[167; 171[ 10
Total 50
1- La moyenne
2- Le mode
3- La médiane
Pour cet exemple, toutes les classes ont la même amplitude.

Donc, on n’a pas besoin d’utiliser les effectifs corrigés (on a :
hi = ni ).
La classe modale est : [155; 159[.

On a :
∆1 = 12 − 10 = 2
∆2 = 12 − 11 = 1
2
d’où Mo = 155 + 4 × = 157.66 cm
2+1
1- La moyenne
2- Le mode
3- La médiane
Exemple
Considérons l’exemple3 avec des classes qui n’ont pas la
même amplitude :
Taille Effectif Amplitude Eff. corrigé

(en cm) ni ai (en cm) hi
[151; 155[ 10 4 10
[155; 159[ 12 4 12
[159; 167[ 18 8 9
[167; 171[ 10 4 10
Total 50
1- La moyenne
2- Le mode
3- La médiane
La classe modale est [155; 159[ (c’est la classe qui admet le

plus grand effectif corrigé). On a :
∆1 = 12 − 10 = 2
∆2 = 12 − 9 = 3
Donc
2
Mo = 155 + 4 ×
2+3
Le mode de cette distribution est donc :
Mo = 156.6 cm
1- La moyenne
2- Le mode
3- La médiane
Détermination graphique du mode : On peut déterminer le

mode graphiquement par une lecture sur l’histogramme.
15
(C=4)
10
0
151 155 Mo 159 163 167 171 Taille
Figure: Détermination graphique du mode.

1- La moyenne
2- Le mode
3- La médiane
3- La médiane
1- La moyenne
2- Le mode
3- La médiane
Définition
La médiane d’une distribution statistique, ordonnée par ordre
croissant, notée Me , est la valeur du caractère qui partage la
population en deux sous populations de même effectif :
50% de la population ont des valeurs du caractère ≤ Me et
50% de la population ont des valeurs du caractère ≥ Me .
N
Autrement dit, on doit avoir G(Me ) = 2 ou F (Me ) = 12 .
1- La moyenne
2- Le mode
3- La médiane

Soit {(xi , ni )1≤i≤k } une distribution statistique discrète
ordonnée : x1 < x2 < · · · < xk
et soient N1 , N2 , . . . , Nk les effectifs cumulés correspondants.
On a Ni = G(xi ).
La fonction de répartition G(x) n’est pas continue (fonction en

escalier). Donc, il n’existe pas, en général, une valeur Me telle
que G(Me ) = N2 .
Dans ce cas, on considère que la médiane est la plus petite

valeur Me telle que G(Me ) > N2 .
1- La moyenne
2- Le mode
3- La médiane
Ainsi, on distingue deux cas :

1er cas : Ni−1 < N2 < Ni (pas de solution pour G(x) = N2 ).
Dans ce cas, on prend la médiane égale à la modalité
d’effectif cumulé Ni (c’est la plus petite modalité d’effectif
cumulé > N2 ) :
Me = xi
L’interprétation de la médiane, dans ce cas, sera :
Plus de 50% de la population ont des valeurs ≤ Me et plus
de 50% de la population ont des valeurs ≥ Me .
1- La moyenne
2- Le mode
3- La médiane
2ème cas : N2 = Ni (toute valeur x comprise entre xi et

xi+1 vérifie G(x) = N2 ).
Dans ce cas, on prend la médiane égale à la valeur
centrale entre les deux modalités xi et xi+1 :
1
Me = (xi + xi+1 )
2
L’interprétation de la médiane, dans ce cas, sera :
50% de la population ont des valeurs < Me et 50% de la
population ont des valeurs > Me .
1- La moyenne
2- Le mode
3- La médiane
Exemple
Nombre d’enfants 0 1 2 3 4 5 6 7 8 Tota

Effectif ni 4 10 12 8 5 4 4 2 1 50
Eff. Cum. Ni 4 14 26 34 39 43 47 49 50
On a 14 < N2 = 25 < 26 = G(2) :

N
2 est la plus petite valeur telle que l’effectif cumulé dépasse 2.
Donc la médiane de cette distribution statistique est Me = 2
enfants.
Interprétation : Plus de 50% des familles (26 familles) ont le

nombre d’enfants ≤ 2 et plus de 50% des familles (36 familles)
ont le nombre d’enfants ≥ 2.
1- La moyenne
2- Le mode
3- La médiane
Remarque :
On a le même raisonement avec les fréquences cumulées :
Si Fi−1 < 0.5 < Fi , alors la médiane est la modalité de
fréquence cumulée Fi :
Me = xi
Si 0.5 = Fi , alors la médiane est la valeur centrale entre

les deux modalités de fréquence cumulée respectives Fi
et Fi+1 :
1
Me = (xi + xi+1 )
2
1- La moyenne
2- Le mode
3- La médiane
Détermination graphique de la médiane : On peut déterminer

la médiane graphiquement par une lecture sur le diagramme
en escalier.
G(x)
N= 50
40
30
N/2
20
10
0 x
0 1 2 3 4 5 6 7 8
1- La moyenne
2- Le mode
3- La médiane

Pour un caractère continu, la médiane est la valeur Me telle
que : G(Me ) = N2 (ou F (Me ) = 0.5).
Soit {([xi ; xi+1 [, ni )1≤i≤k } une distribution statistique continue.

On a :
G(xi+1 ) = Ni et F (xi+1 ) = Fi , pour 1 ≤ i ≤ k
G(x1 ) = F (x1 ) = 0
avec Ni (resp. Fi ) est l’effectif (resp. la fréquence) cumulé(e)
de la classe [xi ; xi+1 [, 1 ≤ i ≤ k.
1- La moyenne
2- Le mode
3- La médiane
On commence d’abord par chercher la classe médiane

[xi ; xi+1 [ : C’est la première classe pour laquelle l’effectif
cumulé dépasse N2 (ou la fréquence cumulée dépasse 0.5).
N
Me ∈ [xi , xi+1 [ ⇔ G(xi ) ≤ < G(xi+1 ) ⇔ F (xi ) ≤ 0.5 < F (xi+1 )
2
La valeur de la médiane s’obtient ensuite par interpolation

linéaire, en raison de l’hypothèse d’équirépartition à l’intérieur
des classes :
1- La moyenne
2- Le mode
3- La médiane
G(x) F(x)
Diagramme cumulatif Diagramme cumulatif
Ni Fi
N/2 0.5
Ni−1 Fi−1
x Me x x x Me x x
i i+1 i i+1
1- La moyenne
2- Le mode
3- La médiane
On a :
Me − xi N/2 − G(xi ) 1/2 − F (xi )
= =
xi+1 − xi G(xi+1 ) − G(xi ) F (xi+1 ) − F (xi )
D’où
N/2 − G(xi )
Me = xi + (xi+1 − xi )
G(xi+1 ) − G(xi )
ou bien
0.5 − F (xi )
Me = xi + (xi+1 − xi )
F (xi+1 ) − F (xi )
1- La moyenne
2- Le mode
3- La médiane
Exemple
Considérons l’exemple3 (Taille des femmes enceintes) :
Taille Effectif Eff. cum. Fréquence Fréq. cum.

(en cm) ni Ni fi Fi
[151; 155[ 10 10 0.2 0.2
[155; 159[ 12 22 0.24 0.44
[159; 163[ 11 33 0.22 0.66
[163; 167[ 7 40 0.14 0.8
[167; 171[ 10 50 0.2 1
Total 50 1
1- La moyenne
2- Le mode
3- La médiane
N
On a 2 = 25. Donc la classe médiane est :
Me ∈ [159, 163]
et on a :
G(159) = 22
G(163) = 33
d’où
25 − 22
Me = 159 + (163 − 159) = 160.09 cm
33 − 22
Interprétation : 50 % des femmes ont une taille ≤ 160.09 cm

et 50 % des femmes ont une taille ≥ 160.09 cm.
1- La moyenne
2- Le mode
3- La médiane
Détermination graphique :
50
40
30
N/2
20
10
0
151 155 159 163 167 171
M
e
1- La moyenne
2- Le mode
3- La médiane
Remarque : Symétrie d’une distribution statistique
La médiane est fréquemment comprise entre la moyenne et le

mode.
Si la distribution statistique est symétrique, ces trois
paramètres de tendance centrale seront confondues.
En général, on a :
Mo = Me = X si et seulement si la distribution est symétrique
si Mo < Me < X , alors la distribution est étalée vers la droite
si X < Me < Mo , alors la distribution est étalée vers la gauche
On vient de définir la médiane comme un paramètre de

tendance centrale. C’est une valeur centrale qui permet de
partager la population en deux groupes de même effectif.
On verra dans la suite que la médiane est aussi un paramètre

de position. On dit que la médiane est un paramètre de
position d’ordre p = 12 .
En général, on définit un paramètre de position d’ordre p

(0 < p < 1) comme étant une valeur qui permet de partager la
population de taille N en deux groupes de taille respectives
p × N et (1 − p) × N.
Ainsi, la notion de paramètres de position généralise celle de

la médiane.
Définition
Un paramètre de position d’ordre p (0 < p < 1) d’un caractère
statistique X , (appelé aussi quantile ou fractile d’ordre p), est
la valeur du caractère, notée Zp , qui permet de partager la
population de taille N en deux groupes de tailles respectives
p × N et (1 − p) × N et telle que : le premier groupe est formé
des individus qui ont des valeurs du caractère ≤ Zp et le
deuxième groupe est formé des individus qui ont des valeurs
du caractère ≥ Zp .
Ainsi, Zp doit vérifier F (Zp ) = p ou bien G(Zp ) = p × N.
Dans la suite de ce paragraphe, on va décrire les paramètres

de position les plus fréquemment utilisés qui sont les quartiles,
les déciles et les centiles.
1. Les quartiles
Définition
Les quartiles sont définis comme étant les trois paramètres de
position, notés Q1 , Q2 , Q3 , d’ordre resectifs 0.25, 0.5, 0.75,
qui permettent de diviser la population en quatre groupes de
même effectif (contenant chacun 25% des individus).
On a :
Q1 = Z0.25 , Q2 = Z0.5 , Q3 = Z0.75
Remarque
25% de la population ont des valeurs ≤ Q1 et 75% de la
population ont des valeurs ≥ Q1 .
75% de la population ont des valeurs ≤ Q3 et 25% de la
population ont des valeurs ≥ Q3 .
25% de la population ont des valeurs comprises entre Q1
et Q2 et 25% de la population ont des valeurs comprises
entre Q2 et Q3
Le deuxième quartile Q2 coı̈ncide donc avec la médiane
Me .
2. Les déciles et les centiles
Quelques fois, on cherchera à diviser une population en dix ou

en cent groupes contenant chacun le même pourcentage
d’individus.
Dans le cas où on veut découper la population en dix groupes,

on utilise les déciles qui sont définis comme étant les 9
paramètres de position, notés D1 , D2 , . . . , D9 , d’ordre
resectifs 0.1, 0.2, . . . , 0.9.
Dans le cas où on veut découper la population en cent

groupes, on utilise les centiles, notés C1 , C2 , . . . , C99 , d’ordre
resectifs 0.01, 0.02, . . . , 0.99.
Remarque
On a :
D1 = Z0.1 , D2 = Z0.2 , ..., D9 = Z0.9
C1 = Z0.01 , C2 = Z0.02 , ..., C99 = Z0.99

Entre deux déciles consécutifs, il y a 10% des individus de
la population.
Entre deux centiles consécutifs, il y a 1% des individus de
la population.
Le 5ème décile D5 et le 50ème centile C50 coı̈ncident
avec la médiane Me .
Le calcul et l’interprétation d’un paramètre de position d’ordre

p se font de manière similaire que pour la médiane. Il suffit de
remplacer 1/2 par p.
Comme pour la médiane, il n’existe pas, en général, une

valeur Zp telle que G(Zp ) = p × N (ou F (Zp ) = p).
On considère alors que le paramètre de position d’ordre p est

la plus petite valeur Zp telle que G(Zp ) ≥ p × N (ou F (Zp ) ≥ p).
Ainsi, au moins (100 × p)% de la population ont des valeurs ≤

à Zp et au moins (100 × (1 − p))% de la population ont des
valeurs ≥ à Zp .
On distingue deux cas :

Si Ni−1 < p × N < Ni , alors on prend Zp égal à la modalité
d’effectif cumulé Ni :
Zp = xi
Si p × N = Ni , alors on prend Zp égal à la valeur milieu
entre les deux modalités d’effectifs cumulés respectifs Ni
et Ni+1 :
1
Zp = (xi + xi+1 )
2
Exemple2 :
Nombre Effectif Eff. cum.

d’enfants ni Ni
0 4 4
1 10 14
2 12 26
3 8 34
4 5 39
5 4 43
6 4 47
7 2 49
8 1 50
Q1 = Z0.25 = 1, (4 < p × N < 14)
Me = Q2 = Z0.5 = 2, (14 < p × N < 26)
Q3 = Z0.75 = 4, (34 < p × N < 39)
D1 = Z0.1 = 1, (4 < p × N < 14)
C1 = Z0.01 = 0, (0 < p × N < 4)
(0 + 1)
C8 = Z0.08 = = 0.5, (p × N = 4)
2
Interprétation :
Au moins 25 % des familles ont un nombre d’enfants ≤ 1 et au

moins 75% des familles ont un nombre d’enfants ≥ 1.
8% des familles ont un nombre d’enfants < 0.5 et 92 % des

familles ont un nombre d’enfants > 0.5.
Remarque :
On a le même raisonement avec les fréquences cumulées :
Si Fi−1 < p < Fi , alors
Zp = xi
Si p = Fi , alors
1
Zp = (xi + xi+1 )
2
G(x)
N= 50
40
3N/4
0.68N
30
N/2
20
N/4
10
0 x
0 1 2 3C 4 5 6 7 8
68
Q1 Me Q3
Pour un caractère continu, le paramère Zp est telle que

G(Zp ) = p × N (ou F (Zp ) = p).
Comme pour la médiane, on commence d’abord par chercher

la classe [xi , xi+1 [ qui contient le quantile Zp . C’est la première
classe pour laquelle l’effectif cumulé dépasse p × N (ou la
fréquence cumulée dépasse p).
Zp ∈ [xi , xi+1 [ ⇔ G(xi ) ≤ p×N < G(xi+1 ) ⇔ F (xi ) ≤ p < F (xi+1 )
La valeur du quantile Zp s’obtient ensuite par interpolation

linéaire :
On a :
Zp − xi p × N − G(xi ) p − F (xi )
= =
xi+1 − xi G(xi+1 ) − G(xi ) F (xi+1 ) − F (xi )
D’où
p × N − G(xi )
Zp = xi + (xi+1 − xi )
G(xi+1 ) − G(xi )
ou bien
p − F (xi )
Zp = xi + (xi+1 − xi )
F (xi+1 ) − F (xi )
Exemple3 :
Taille Effectif Eff. cum. Fréquence Fréq. cum.

(en cm) ni Ni fi Fi
[151; 155[ 10 10 0.2 0.2
[155; 159[ 12 22 0.24 0.44
[159; 163[ 11 33 0.22 0.66
[163; 167[ 7 40 0.14 0.8
[167; 171[ 10 50 0.2 1
Total 50 1
5−0
D1 = 151 + 4 = 153 cm
10 − 0
12.5 − 10
Q1 = 155 + 4 = 155.83 cm
22 − 10
37.5 − 33
Q3 = 163 + 4 = 165.57 cm
40 − 33
45 − 40
D9 = 167 + 4 = 169 cm
50 − 45
Interprétation : 10 % des étudiants ont une taille ≤ 153 cm et

90 % des étudiants ont une taille ≥ 153 cm.
50
0.9×N
40
0.75×N
30
20
0.25×N
10
0.1×N
0
151 D 155 Q 159 163 Q 167
1 1 3
D 171 9
Remarque
En utilisant les quartiles Q1 et Q3 , on peut détecter l’existence

des valeurs aberrantes dans une série statistique. Pour cela,
on calcule les deux limites :
Linf = Q1 − 1.5 × (Q3 − Q1 )
Lsup = Q3 + 1.5 × (Q3 − Q1 )

Toute donnée qui ne se trouve pas entre ces deux limites est
jugée aberrante.
III.1- Paramètres de tendance centrale 1- L’étendue
III.2- Paramètres de position 2- L’étendue interquantiles
III.3- Paramètres de dispersion 3- Ecart absolu moyen
III.4- Paramètres de dispersion relative 4- Variance, Ecart-type
Les paramètres de tendance centrale et de position ne

donnent pas une information complète sur une distribution
statistique.
Deux séries statistiques qui ont les mêmes paramètres de

tendance centrale ou de position peuvent présenter des
variations des valeurs (des dispersions) très différentes.
Exemple : Considérons les 2 séries statistiques suivantes :

Série 1 : 7, 8, 11, 12, 13, 13, 13
Série 2 : 4, 7, 9, 12, 13, 13, 19
Ces 2 séries ont les mêmes valeurs de tendance centrale,

donc si on se base seulement sur ces mesures, on va conclure
à une similitude de ces deux séries et donc on perd de vue la
variabilité des données autour de ces mesures centrales.
D’où la nécessité de définir des paramètres de dispersion qui,

associés aux paramètres de tendance centrale, vont nous
donner une idée plus exacte sur la distribution statistique.
Dans ce paragraphe, on va décrire quelques uns de ces

paramètres de dispersion.
1- L’étendue
Définition
L’étendue d’un caractère statistique X , noté E(X ), est la
différence entre la plus grande valeur et la plus petite valeur
observées :
E(X ) = Max(xi ) − Min(xi )
Ce paramètre présente un intérêt très limité du fait qu’il

dépend uniquement des valeurs extrêmes, qui peuvent être
des valeurs exceptionnelles ou aberrantes.
2- L’étendue interquantiles
Définition
A partir des quartiles Q1 et Q3 , on peut définir un paramètre
de dispersion, appelé étendue interquartiles, défini par :
∆Q = Q3 − Q1
De même, on peut définir un paramètre de dispersion, appelé

étendue interdéciles, défini par :
∆D = D9 − D1
Remarque
Le calcul de l’étendue interquantiles a l’avantage par
rapport à celui de l’étendue d’éviter les valeurs extrêmes.
L’intervalle interquartiles [Q1 , Q3 ] contient 50% des
observations.
L’intervalle interéciles [D1 , D9 ] contient 80% des
observations.
Plus l’intervalle interquantiles est large, plus la série est
dispersée.
3- Ecart absolu moyen
Définition
L’écart absolu moyen d’un caractère statistique X , noté Em (X ),
est la moyenne arithmétique des valeurs absolues des écarts
à la moyenne :
k
1X
Em (X ) = ni |xi − X |
N
i=1
les xi représentent les modalités dans le cas discret ou les

centres des classes dans le cas continu.
Ce paramètre est peu maniable à cause des valeurs absolues.
4- Variance, Ecart-type
Définition
La variance d’un caractère statistique X , notée V (X ), est la
moyenne arithmétique des carrés des écarts à la moyenne :
N k
1X 1X
V (X ) = (x(i) − X )2 = ni (xi − X )2
N N
i=1 i=1
Définition
L’écart-type, noté σ(X ), est la racine carrée de la variance :
p
σ(X ) = V (X )
Formule simplifiée de la variance :

Proposition
On a :
2
V (X ) = X 2 − X
La variance est égale à la différence entre la moyenne des
carrées (moyenne quadratique) et le carré de la moyenne.
N k
1X 2 1X
X2 = x(i) = ni xi2
N N
i=1 i=1
Les xi représentent les modalités dans le cas discret ou les

centres des classes dans le cas continu.
Les x(i) représentent les valeurs individuelles du caractère X .
Remarques :
l’écart-type est le meilleur indicateur de la dispersion
d’une série statistique par rapport à sa moyenne. Elle
tient compte de toutes les valeurs de la série statistique.
plus l’écart-type est faible, plus les valeurs du caractère

sont concentrées autour de la moyenne.
plus l’écart-type est élevé, plus les valeurs du caractère

sont dispersées autour de la moyenne.
La variance (ou l’écart-type) est nulle si et seulement si
toutes les valeurs sont identiques et égales à la moyenne.
Propriétés :
Si on pose Y = aX + b (a et b deux constantes) alors :
V (Y ) = a2 V (X )
σ(Y ) = |a|σ(X )
Exemple : Distribution des salaires.
ci − 6500
Salaire (X ) ci ni yi = ni yi ni yi2
1000
[3000, 5000[ 4000 26 -2.5 -65 162.5
[5000, 6000[ 5500 33 -1 -33 33
[6000, 7000[ 6500 64 0 0 0
[7000, 8000[ 7500 7 1 7 7
[8000, 10000[ 9000 10 2.5 25 62.5
Total 140 -66 265
X − 6500
On effectue le changement de variables Y = pour
1000
simplifier les calculs :
5
1X 66
Y = ni yi = −
N 140
i=1
⇒ X = 1000Y + 6500 = 6028.57
5
1X 2 265 66 2
V (Y ) = ni yi2 − Y = −( ) = 1.670612
N 140 140
i=1
⇒ V (X ) = 10002 V (Y ) = 1670612
p
⇒ σ(X ) = V (X ) = 1292, 52
III.2- Paramètres de position 1- Coefficient de variation
III.3- Paramètres de dispersion 2- Etendue interquantiles relative

relative
La dispersion mesurée par les paramètres présentés

précédemment est qualifiée d’absolue. Elle s’exprime dans
l’unité de mesure du caractère.
Par exemple, si on considère l’écart-type d’une série

statistique, l’importance du degré de variabilité que cela
suggère dépend de la valeur de la moyenne de cette série.
Pour remédier à cette difficulté d’interprétation de la dispersion

et/ou pour comparer la dispersion de deux séries statistiques
ayant des unités différentes ou des ordres de grandeur
différents, il est nécessaire de considérer une mesure de
dispersion relative.
1- Coefficient de variation
Définition
Le coefficient de variation d’une variable statistique X , noté
Cv (X ), est défini par :
σ(X )
Cv (X ) =
X
Il s’agit d’un nombre sans unité.
Plus le coefficient de variation est élevé, plus la dispersion

autour de la moyenne est élevée et plus l’homogénéité est
faible.
2- Etendue interquantiles
relative
On peut définir d’autres mesures de dispersion relative en

utilisant les quartiles et les déciles.
Définition
Etendue interquartiles relative :
Q3 − Q1
Me
Etendue interdéciles relative :

D9 − D1
Me
Remarque
Ces paramètres (nombres sans unité) permettent de comparer

les dispersion (ou l’homogénéité) d’un ou de plusieurs
caractères sur une ou plusieurs populations.
Plus un paramètre relatif est élevé, plus la dispersion est

élevée et plus l’homogénéité est faible.
Fin chapitre 1

Chapitre1 2019 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre1 2019 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre1 2019 PDF

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSITÉ HASSAN II DE CASABLANCA

FACULTÉ DES SCIENCES ET TECHNIQUES

Pr. Abdelhak FAHSI

Module M147, Parcours MIP (S4)

Pr. Abdelhak FAHSI

Module M147, Parcours MIP (S4)

La statistique trouve ses applications dans plusieurs

La Statistique Descriptive : C’est un ensemble de

Dans cette 1ère partie du cours, on se limite à l’étude de la

1 Chapitre 1 : Statistique descriptive 1D (séries simples)

2 Chapitre 2 : Statistique descriptive 2D (séries doubles)

Statistique descriptive à une

1. Population (notée P) : On appelle population, l’ensemble de

2. Individu : Chaque élément de la population est appelé

Les individus de la population peuvent être des êtres vivants

Le nombre des individus d’une population, noté N, est appelé

3. Echantillon : Un groupe restreint d’individus prélevés dans

Remarque : On se limite à l’étude d’un échantillon lorsque’il

4. Caractère (variable) statistique (noté X , Y , . . .) : On appelle

On distingue deux types de caractères :

Caractère quantitatif : C’est un caractère mesurable. Les

A chaque individu de la population est associée une valeur du

La suite des valeurs x(1) , x(2) , . . . , x(N) (non nécessairement

On suppose le résultat suivant (série brute) :

On a : x(1) = M, x(2) = M, x(3) = D, . . . , x(20) = M.

6. Modalités d’un caractère X : Les différentes valeurs

L’ensemble des modalités d’un caractère X est noté :

k désigne le nombre de modalités de X .

7. Effectif (noté ni ) : L’effectif d’une modalité xi est le nombre

L’effectif total de la population est égal à la somme des

8. Effectif cumulé (noté Ni ) : On suppose les modalités

9. Fréquence ou proportion (notée fi ) : La fréquence d’une

C’est la proportion des individus de la population présentant

Souvent, on note les fréquences en pourcentage (avec le

10. Fréquence cumulée (notée Fi ) : La fréquence cumulée

11. Groupement en classes

[xi ; xi+1 [ (ou ]xi ; xi+1 ]), i = 1, 2, . . . , k

On appelle effectif d’une classe [xi ; xi+1 [ (noté ni ) le nombre

On appelle effectif cumulé de la classe [xi ; xi+1 [ (noté Ni ) le

On appelle effectif cumulé d’une valeur x du caractère X (noté

On a des définitions analogues pour les fréquences et les

Règles de construction des classes

Dans ce cas, l’effectif de toute valeur isolée sera égal à zéro.

12. Types d’un caractère quantitatif:

La famille {(xi , ni )1≤i≤k } ou {(xi , fi )1≤i≤k } est appelée série ou

Si les modalités d’un caractère X sont groupées sous forme

La famille {([xi ; xi+1 [, ni )1≤i≤k } ou {([xi ; xi+1 [, fi )1≤i≤k } est

II- Organisation des données

La première étape dans une étude statistique consiste à

Cet objectif peut être atteint en présentant les données

II.1- Tableaux statistiques

Un tableau statistique consiste à résumer et présenter les

Modalités Effectifs ...

Tableau statistique simple

Modalités Fréquences ...

Tableau statistique simple

Modalités Effectifs Fréquences Eff. Cum. Fréq. Cum. ...

Tableau statistique détaillé

Exemple1 : Dans un atelier de contrôle technique, on a