Module Biostat 1AM Partie1

Pr_E.
BOUAITI : Module
BIOSTATISTIQUE
26/11/2015
Objectifpdagogique
principale
UNIVERSITEMOHAMMEDV RABAT
FACULTEDEMEDECINEETDEPHARMACIE
BIOSTATISTIQUE
Expliquer les grands aspects de la

biostatistique ainsi que son utilit dans
PrE.BOUAITI
UPRMdecinesociale
le domaine de la sant
26/11/2015
Objectifspdagogiques
spcifiques(1)
Objectifspdagogiques
spcifiques(2)
Discuterlintrtdesbiostatistiquesen
sciencesmdicales
Enumrerlesprincipalessourcesdevariabilit
biologique
Expliquerlesconceptsdchantillon,de
population,dereprsentativit.
Dfinirlesvariablesetciterunexemplepour
chaquetypedevariables
Reconnatrelaloinormale,citerlesautreslois
deprobabilit.
Comprendreetutiliserlesconceptsde
fluctuationdchantillonnageetdintervalle
deconfiance.
Dcrireunesriestatistique
Expliquerlestestsstatistiquesainsiqueles
rsultatsquiendcoulent
26/11/2015
26/11/2015
Programme
1.
2.
3.
4.
5.
6.
7.
8.
PrincipesdebaseenBiostatistiques
Lastatistiquedescriptive
OrganisationetPrsentationdesdonnes
Estimationetfluctuationsdchantillonnage
Lesprincipalesloisdeprobabilit
Principesdestestsstatistiques
Lestestsdecomparaisondepourcentages
Lestestsdecomparaisondemoyennes
26/11/2015
Principesdebaseen
biostatistique
Pr_E. BOUAITI : Module

BIOSTATISTIQUE
26/11/2015
Plan
Introduction
Introduction
Labiostatistique :Dfinitionetintrt
Variabilit
Unitstatistique
Population
chantillon
Variablesstatistiques
Lesmesuresdebases
Conclusion
26/11/2015
Pourquoiunmoduledebiostatistique?
Exercice mdicale
Raisonnement
Incertitude
Mthodologie statistique
7
26/11/2015
Introduction
Introduction
Formation mdicale
Exemple:tabacetcancerdupoumon
cart type
Population
Prvalence
Moyenne
Test
statistique
Recherche
clinique
Probabilit
Facteur de risque
Incidence
Estimation
Efficacit
Groupe a
risque
Sensibilit
chantillon
Essai
clinique
Variance
Spcificit
26/11/2015
26/11/2015
Pourcentage
Plan
10
Dfinition
Introduction
Variabilit
Unitstatistique
Population
chantillon
Lesmesuresdebases
Conclusion
26/11/2015
Frquence
Statistique :
Ensemble des mthodes scientifiques consistant
runir, organiser, prsenter des donnes
numriques sur une/plusieurs particularit(s)
commune(s) chez un groupe de personnes ou de
choses, puis analyser, tirer des conclusion et
prendre des dcisions.
Unestatistique: unnombrecalculpartir
d'observations.
11
26/11/2015
12

BIOSTATISTIQUE
26/11/2015
Historique
Historique
Dnombrementdepopulationshumaines
pourlesbesoinsdelaguerreetdel'impt.
Premiremoitidu20ime sicle
Statistiquesbiologiquesetpsychologiques
BiomtrieetPsychomtrie
Vritabledbut:18ime
1940Rechercheoprationnelle
sicle:
Premireclassificationdescausesdedcs
Calculdesprobabilits(P.S.deLaplace,K.F.
Gauss,S.D.Poisson)
1853:premiercongrs
26/11/2015
Deuximemoitidu20ime sicle
Dveloppementdel'informatique
Analysedesdonnes
13
1. Dfinition
Applicationdesconceptsetprincipesstatistiques
desdonnesmdicales,biologiquesetdesant
public.
2. Exemples
Leseffetsdunmdicament.
Leffetduniveauducholestrolsurlapression
artrielle.
Lenombredepatientsadmisauxurgences.
15
26/11/2015
Biostatistique
Deuxbranchesdistinctes
Gestiondesobservations(desdonnes)
Statistiqueinfrentielle
Organisation,prsentation
etanalysedesdonnes
Synthsedelinformation:
rsumsstatistiques.
Expressiondesrsultats:
reprsentationgraphique.
tapeprliminaire
Permetdegnraliserde
grandsensembles
d'lmentslesconclusions
tiresdesrsultatsobtenus
partirdunnombrerduit
dobservations
Infrence
Population?
Infrer = tirer une conclusion partir de propositions ou de faits, et de rgles

26/11/2015
16
Aquoisertlabiostatistique?
Statistiquedescriptive
Echantillon
14
Biostatistique
Domainesdutilisationdelastatistique
Statistiqueofficielle
Banques Assurances
SantetSciencesdelavie
Environnement(air,eau,foresterie,pche)
Scienceshumaines
Entreprises Industrie(contrledequalit,
tudesdemarch,management)
Presse Mdias
...
Discipline transversale
26/11/2015
26/11/2015
17
Recueillir,prsenter,analyser
Aiderlaprisededcisionsetlarsolutionde
problmes.
Comprendreetmenercorrectementdes
Expriences
Enqutes
Travauxderecherche
26/11/2015
18

BIOSTATISTIQUE
26/11/2015
Plan
Pourquoidesstatistiquesenmdecine?
Variabilit?
chantillon?
26/11/2015
19
Introduction
Variabilit
Unitstatistique
Population
chantillon
Lesmesuresdebases
Conclusion
26/11/2015
Variabilit
Fluctuationdchantillonnage
exemple
Tailleencmde30tudiantsdelafacultde
mdecine
Ons'intresselatailledestudiantsdela
facultdemdecine.
Lesdonnessontprsentescomme
ellesonttrecueillies.
Ainsi,iln'estpasfacilederpondreune
questioncomme:quelestle
pourcentagedestudiantsayantunetaille
suprieure180?
150
174
160
187
162
180
167
185
164
153
168
177
180
175
174
185
160
185
180
187
153
188
183
175
189
176
182
160
185
182
26/11/2015
Tirage au sort :
chantillon reprsentatif
Plusieurs chantillons
peuvent tre constitus
n3=130
m3= 175
n1=30
m1= 172
Echantillon 2:
n2=30
m2= 174
26/11/2015
22
22
Variabilitbiologique
Variabilit
Variabilitintra
individuelle
Variabilit
biologique
Variabilitinter
individuelle
Variabilitinterindividuelle
Variabilitintraindividuelle
Caractristiquesquidiffrent
dunindividulautre
Caractristiquesvoluant
dansletempschezun
mmeindividu
Sivousobservezdes
personnesdanslaruevous
constatezquellesnontpas
touteslammecouleurde
cheveux.
Variabilittotale
Variabilit
exprimentale
Variabilit
appareilde
mesure
Lavariabilit=largleetnonlexception
26/11/2015
Echantillon 3 :
Echantillon 1 :
21
Variabilit
mtrologique
20
Sivousmesurezlatension
artrielledunindividu
diffrentsmomentsdela
journevousobtiendrezdes
valeursdiffrentes.
23
26/11/2015
24

BIOSTATISTIQUE
26/11/2015
Variabilitmtrologique
Variabilit:consquences
Variabilitdelamesure
Ilnexistepasdevraievaleur
Valeurusuelle
Valeurexceptionnelle,horsnorme
Variabilitexprimentale
Variabilitappareildemesure
Essayerdemesurerplusieurs(100)foislatailleen
mmdunindividu:voustrouverezdesvaleurs
diffrentescependantdanslabsoluunindividua
unetailleetuneseule.
Difficult pour interprter

et utiliser les informations mesures
26/11/2015
25
26/11/2015
26
Variabilit:rsum
Plan
Caractristiquedansledomainedessciences
delasant:VARIABILITE
Chezunmmeindividu
Entrelesindividus
Entrelesgroupesdindividus
etc.
Biostatistique:Traiterlesproblmesde
variabilitdanslesdonnes
Introduction
Variabilit
Unitstatistique
Population
chantillon
Lesmesuresdebases
Conclusion
26/11/2015
27
26/11/2015
28
Unitstatistique
ouindividu
Unitstatistique
ouindividu
Dfinition
Ladfinitiondelindividudpend
desparamtrestudis
Uneunitdistinctechezlaquelleon
peutobserveruneouplusieurs
caractristiquesdonnes.
lmentsurlequelsonteffectues
desobservationsoudesmesures
Exemple1:paramtretudi:note
duntudiantdansungroupedeTD
Unindividu=untudiant
Exemple2:paramtretudi:note
moyennedechaquegroupedeTD
dtudiant
Exemples
Individu,animal,organe,cellule,
champdemicroscope,...
Regroupementdunits:Grappeou
cluster
Unindividu=ungroupedeTD
(Grappes)
Patientsdunservice
26/11/2015
29
26/11/2015
26/11/2015
30

BIOSTATISTIQUE
26/11/2015
Plan
Dfinition
Ensembledindividus(ouunits
statistiques)surlequelontudie
uneouplusieurscaractristiqueset
quisontdemmenature
Introduction
Variabilit
Unitstatistique
Population
chantillon
Lesmesuresdebases
Conclusion
26/11/2015
Population
Exemples
Femmesatteintesducancerdu
sein.
Ensembledespatientshospitaliss
dansunhpital
Touteslesnaisances delanneen
cours
Ensembledestudiantsinscritsla
facultdemdecine
31
26/11/2015
32
Population
Population
Onpeutnepasconnaitretousles
individusquicomposentune
population
Sipopulationlimite:
Exhaustive
Recensement : Tousles
sujetsdelapopulation
sontexamins
Unepopulationpeuttrepartitionne
ensouspopulations:
HommesatteintsduVIH.
Femmesfumeusesetatteintes
ducancerdupoumon.
Tailledelapopulation
Lenombred'individusconstituantla
population.
Gnralementtrsgrande
Exemple:lestudiants
dela1re anne
mdecine
Notation : N
26/11/2015
Population
33
26/11/2015
Population
34
Plan
Sipopulationimportante:Une
partiedessujetsdelapopulation
sontexamins
Exemple:tousles
tudiantsdelafacultde
mdecine
chantillon
Introduction
Variabilit
Unitstatistique
Population
chantillon
Lesmesuresdebases
Conclusion
Population
26/11/2015
35
26/11/2015
36

BIOSTATISTIQUE
26/11/2015
chantillon
chantillon
Onconnaittousles
individusqui
composentun
chantillon
1. Dfinition
Sousensembledune
populationetquiestde
detaillefinie
2. Exemples
Tailledel'chantillon:
lenombredindividu
dansl'chantillon.
200Femmesatteintes
ducancerdusein
100tudiantsinscrits
lafacultdemdecine
Notation : n
26/11/2015
37
26/11/2015
38
chantillon:Infrence
Pourquoitravailletonsurunchantillon?
temps
REPRESENTATIVITE
cot
chantillon
Population
Caractristiques?
26/11/2015
39
26/11/2015
chantillon:Infrence
Plan
chantillonreprsentatif:
chantillonquirefltefidlementlacomplexitet
lacompositiondelapopulation.
chantillonnagealatoire:
Prlvementauhasard,etdefaonindpendante,
duncertainnombre" n " dlmentspartir
dunepopulationde" N " lments.
Chaquelmentdelapopulationdoitavoirla
mme probabilit dtreslectionn.
26/11/2015
40
41
Introduction
Variabilit
Unitstatistique
Population
chantillon
Lesmesuresdebases
Conclusion
26/11/2015
42

BIOSTATISTIQUE
26/11/2015
Variablestatistique
Variablestatistique
Dfinition
Caractristiqueoufacteursusceptibledeprendre
unevaleurdiffrenteselonlesindividus(oules
unitsstatistiques)tudis
Notation:X,Y,W,...(caractres)
Exemple:
Lesexedespatientshospitaliss
Lepoids,lataille,
Laduredincubationdunemaladie
Caractristiquemesurablepourtoutesles
unitsstatistiques.
Valeurs:lesmesuresdistinctesd'une
caractristiquedonne.
Notation:x1 ,x2 ,...(modalits)
Exemple:
Pourlacouleurdesyeux:{noir;bleu;vert}
Pourlesexe:{homme;femme}
Variable : variations
Variable : variations
26/11/2015
43
26/11/2015
Typesdevariables
Variablestatistique
Diffrentesnaturesoutypes:
Valeurspossibles
Descatgories(Sexe,Couleur,Forme,)
Desrangs(positiondansunordredeprfrence)
Descomptages(nombredobjets,nombre
despces,)
Desmesuresphysiques(temprature,pH,
poids,)
Desprofils,desitems.
Touslesrsultatspossiblesapriori sionfaitune
observationd'unevariable
Exemple:
Sexe:x1:Masculin,x2:Fminin
GroupeABO:x1:A,x2:B,x3:O,x4:AB
Valeurobserve
Rsultataposteriori d'uneobservationd'unevariable
Exemple:
Sexe:x=x1:Masculin
GroupeABO:x=x4:AB
26/11/2015
44
45
26/11/2015
46
Variablesqualitatives
Typesdevariables
Dfinition
Variablequalitative
Unevariablestatistiqueestqualitativesisesvaleurs,ou
modalits, correspondentdesqualits :
Nonmesurablessurunechelle
Prsenceouabsencedunecaractristique
(ondfiniedesclasses)
Variablequantitative
Variablequalitativenominale
26/11/2015
47
26/11/2015
Variablequalitativeordinale
48

BIOSTATISTIQUE
26/11/2015
Dfinition:
Dfinition:
C'estunevariablequalitativedontlesmodalitsne
sontpasordonnes.
Sideuxmodalits:Dichotomique/binaire
C'estunevariablequalitativedontlesmodalits
sontnaturellementordonnes(ilexisteunordre
entrelesclasses).
Exemples
Exemple:
Variablebinaire
Niveaudtude:
Sexe:hommeoufemme
tatdesant:maladeousain
Primaire,secondaire,universitaire.
Groupesanguin
Stadedegravitdunemaladie:
A,B,AB,O
Modr,svre,trssvre
Situationfamiliale:
Clibataire,mari,divorc,veuf
26/11/2015
49
26/11/2015
50
Variablequalitative
Exemple
Variablequalitative
Exemple
Population:lesrsidentsdeRabat(2015)
Variable:
Population:lesrsidentsdeRabat(2015)
Unitstatistique:unrsident
Variable:
X:lalanguematernelled'unrsident
Valeurs:
X:leniveausocio conomique
Valeurs:
x:Arabe,Berbre,Franais,Anglais,Autres.
x:Classeinfrieure,Classemoyenne,Classe
suprieure.
26/11/2015
51
26/11/2015
52
Variablequantitativediscrte
Variablesquantitatives
Dfinition
Unevariablestatistiqueestquantitativesises
valeurssontdesnombresexprimantunequantit,
surlesquelslesoprationsarithmtiques(somme,
diffrence...)ontunsens.
Dfinition
Unevariablediscrtepeutprendreunnombre
limit(lenombredepossibilitsestfini)de
valeursisoles,gnralemententires.
Exemples
Nombredenfantsdunefamille:0,1,2,3,4,10
26/11/2015
Variablequantitativecontinue
53
26/11/2015
54

BIOSTATISTIQUE
26/11/2015
Exemple
Dfinition
Population:lesmnagesdelavilledeRabat
Variable:
Unevariablecontinuepeutprendrenimporte
quellevaleur(uneinfinitdevaleurspossibles)
entreleminimumetlemaximumpourune
certainechelledemesure.
X:lenombred'individusdanslemnage
Unitstatistique:unmnage
Valeurs:
Exemples
ge,poids,taille,niveaudecholestrol,.
x:1,2,3,4,...,11.
26/11/2015
55
Exemple
26/11/2015
Variablescontinuesoudiscrtes?
Population:lesrsidentsdelavilledeRabat
Variabletudie:
Onpeutgrouperunedonnecontinueou
discrteenclassesdevaleurs:donne
ordinale
X :lerevenumensuelenDhs
Valeurs:
ex:ge<20,2025,2530, 30
ex:nbcigarettes/j=0,110,1120,>20
x<3000,x [3000,5000)ou[5000,10000)ou...
ou[20000,30000)
26/11/2015
Prix:pertedinformation!!!
57
26/11/2015
Dichotomiques
Binaires
Nominales
Ordinales
Variables
58
Plan
Lesvariablesenrsum
Variables
qualitatives
56
Continues
Variables
quantitatives
Introduction
Variabilit
Unitstatistique
Population
chantillon
Lesmesuresdebases
Conclusion
Discrtes
26/11/2015
59
26/11/2015
60
10

BIOSTATISTIQUE
26/11/2015
Lesmesuresdebase
Lesmesuresdebase
Proportion
Rapports
Ratio
Expression de la relation qui

existe entre deux quantits.
X
Il est de la forme
xK
Y
Rapports
Indice
Taux
Quel numrateur, quel dnominateur
26/11/2015
61
62
26/11/2015
Proportion
Proportion
Dfinition:
Cestlerapportolenumrateurestunepartdu
dnominateur.
Numrateuretdnominateur:mmenature
Expression:
Nombrecomprisentre0et1
Pourcentage(pourmille,pourdixmille,)
Proportion=
* k
26/11/2015
Proportion
exemples
4
souvent k=100
63
n inclus dans d
k puissance de 10
a+b
26/11/2015
64
Ratio
Dfinition
Cestlerapportdeseffectifsdedeuxclassesdune
mmevariable.
Lenumrateurnestpasinclusdansle
dnominateur.
Numrateuretdnominateur:mmenature
Expression:nombresansunit
= 0,5 = 50 p.100
Unepopulationde1000personnesdont300fumeurs
laproportiondesfumeursdansmapopulation?
Laproportiondesfumeurs=300/1000=30%
26/11/2015
65
26/11/2015
66
11

BIOSTATISTIQUE
26/11/2015
Ratio
exemples
Ratio
Ratio =
Homme
d
=
n non inclus dans d

n et d de mme nature
2
4
= 0,5 homme pour 1 femme
Femme
cancer : ratio 10,6 hommes pour une femme

26/11/2015
67
68
26/11/2015
Ratio
exemples
Indice
Dansunecole,nousavons1200coliers
dont400sontdesexefminin lesexeratio
M/F?
LesexeratioM/F=800/400=2
Dfinition:
Cestlerapportdeseffectifsdedeuxclassesde
deuxvariablesdiffrentes.
Lenumrateurnestpascomprisdansle
dnominateur.
Numrateuretdnominateur:
Unepopulationde1000personnesdont
300fumeurs leratiopersonnes
fumeurs/personnesnonfumeursdans
mapopulation?
Naturediffrente.
Rfrentdesvnementsdiffrents.
Exemple:habitant/mdecin
Leratiofumeurs/nonfumeurs=300/700=0,43
26/11/2015
69
26/11/2015
Taux
Indice
Dfinition:
numrateur
Cestuneformeparticuliredelaproportionqui
renfermelanotiondetemps,ilexprimelavitesse
dechangementdunphnomnedansletemps
Numrateur:individusayantsubiunvnement
aucoursdutemps
Dnominateur:lensembledesindividus
susceptiblesdeconnatrelvnementpendant
cettepriode
Expression:nombredecaspour10xpersonnes
temps
de nature diffrente
dnominateur
10 litres deau par personne

85 lits pour 1 mdecin
1500 habitant pour 1 mdecin
26/11/2015
70
71
26/11/2015
72
12

BIOSTATISTIQUE
26/11/2015
Taux
Taux
Taux = probabilit de survenue dun vnement

maladie
vnement
Nbdecassurvenus
aucoursdunepriode donne
Taux =x10x
Effectifdelapopulationrisque
aucoursdelammepriode
dcs
Temps
Population susceptible
Effectif
x
y
26/11/2015
73
* k
x nb vnements
y population expose
k puissance de 10
74
26/11/2015
Taux
exemple
Conclusion
Tauxdemortalitmaternelle
Biostatistiqueetvariabilit
Nbdedcsmaternelsaucours
dunepriode
Lavariabilitestlargle
TMM=
Lavariabilitestnonprvisible
NbdeNcesvivantesaucours
delammepriode
Biostatistique:ncessitpourles
professionnelsdesant
En 2010 : TMM = 110 dcs pour 100 mille naissances vivantes
26/11/2015
75
26/11/2015
BIOSTATISTIQUE
PrE.BOUAITI
UPRMdecinesociale
76
Programme
1.
2.
3.
4.
5.
6.
7.
8.
26/11/2015
78
13

BIOSTATISTIQUE
26/11/2015
Programme
1.
2.
3.
4.
5.
6.
7.
8.
26/11/2015
La Statistique Descriptive
79
Dfinition
Plan
Cest l'ensemble des mthodes et

techniques permettant de
Dfinition
Rappels
Statistiquedescriptive:Variablequalitative
Statistiquedescriptive:Variablequantitative
Statistiquedeuxdimensions
Conclusion
26/11/2015
Prsenter
Dcrire
et Rsumer
des donnes nombreuses et varies.
81
26/11/2015
Dfinition
82
Dfinition
Dcrirelesdonnespar
Peutconcerner:
Desparamtresstatistiques:
Unevariablelafois:statistiqueune
dimension
Deuxvariableslafois:statistiquedeux
dimensions
Plusdedeuxvariableslafois:statistique
multidimensionnelle.
Rductiondesdonnesquelquesvaleurs
numriquescaractristiques.
Destableaux:distributionsdefrquences.
Desdiagrammes:graphiques.
Pourlabienmenerilfautsavoirdequelletypede
variablesagitil
26/11/2015
83
26/11/2015
84
14

BIOSTATISTIQUE
26/11/2015
Rappels :Basededonnes
Plan
Dfinition
Rappels
Conclusion
Nom
Situation de
famille
Nombre
denfants
Age
sexe
Patient 1
Mari
30
Patient 2
Veuf
45
Patiente 3
Marie
27
Patiente 4
Clibataire
32
Patient 5
Mari
39
Le nombre d'individus tant gnralement grand, une telle srie brute est
difficilement lisible et interprtable. Il est indispensable de la rsumer.
26/11/2015
85
26/11/2015
86
Rappels : variables
Exemple:basededonnes
Npatient
15
208
125
62
135
90
223
252
18
49
58
11
234
197
40
50
330
255
274
102
250
336
241
133
142
149
140
283
103
296
Prnom
Sanae
Zineb
Fatima
Fatima Zahra
Maguat
Mahjouba
Loubna
Fatima Zahra
Fatima
Houda
Hanane
Najat
Hadhoum
Rahma
Halima
Amina
Saida
Zinba
Kaoutar
Khadija
touriya
Fatima
Touria
Fatima Zahra
Fatima
Najat
Hassna
Achoura
Lekheila
Amina
Circonstances
phlyctne : henn
liq_chd
flam_gaz
flamme
flamme
liq_chd
flamme
liq_chd
ex_bo_gz
ex_bo_gz
liq_chd
liq_chd
flam_gaz
liq_chd
liq_chd
flam_gaz
ex_bo_gz
liq_chd
flam_gaz
liq_chd
flamme
flamme
ex_bo_gz
flamme
liq_chd
ex_bo_gz
ex_bo_gz
flamme
liq_chd
delaiconsultation
mme jour
dans la semaine
mme jour
aprs un mois
dans la semaine
mme jour
mme jour
dans la semaine
dans la semaine
aprs une semaine
mme jour
mme jour
dans la semaine
dans la semaine
mme jour
aprs une semaine
mme jour
dans la semaine
mme jour
mme jour
aprs une semaine
dans la semaine
mme jour
mme jour
dans la semaine
aprs une semaine
Sexe Age
F
20
F
20
F
21
F
23
F
24
F
24
F
26
F
26
F
26
F
27
F
27
F
27
F
28
F
28
F
29
F
29
F
30
F
30
F
30
F
31
F
32
F
32
F
32
F
32
F
34
F
34
F
35
F
35
F
36
F
36
Annee
2 008
2 004
2 006
2 007
2 006
2 006
2 004
2 009
2 008
2 007
2 007
2 008
2 004
2 005
2 008
2 007
2 010
2 009
2 009
2 006
2 009
2 010
2 004
2 006
2 005
2 005
2 005
2 009
2 006
2 010
orig_vil
Dur_hosj type_brul ATCD

19
2
21
0
45
0
Kenitra
14
0
Mauritanie
110
0
Temara
12
0
Casa Blanca
10
0
Rabat
22
0
Taounate
21
0
Kenitra
21
0
Taounate
30
0
Sal
14
0
Rabat
5
0
88
0
Kenitra
9
0
Kenitra
13
0
Midelt
62
0
Tadla
69
0
7
0
Khemissat
50
0
Sal
35
0
Tiflet
92
0
13
0
Eljadida
0
24
0
52
0
Mkns
9
0
Tiflet
93
0
Mauritanie
27
0
Agadir
21
0
2
2
2
2
2
2
1
1
2
2
2
1
2
2
2
2
2
2
1
2
1
2
1
1
2
2
2
2
2
2
26/11/2015
Dichotomiques
Observables
87
Ordinales
Nominales
Mesurables
Variables
quantitatives
Continues
Discrtes
Sexe
Niveau
dtude
Couleur
Ville dorigine
Taille
Poids
Nombre
de
patients
26/11/2015
88
Statistique descriptive
Variable qualitative
Dichotomiques
Dfinition
Rappels
Conclusion
Binaires
Observables
Variables
qualitatives
89
26/11/2015
Ordinales
Nominales
Variables
Mesurables
26/11/2015
Variables
qualitatives
Variables
Plan
Binaires
Variables
quantitatives
Continues
Discrtes
Sexe
Niveau
dtude
Couleur
Ville dorigine
Taille
Poids
Nombre
de
patients
90
15

BIOSTATISTIQUE
26/11/2015
Statistiques descriptives
variables qualitatives
Un caractre qualitatif ne peut tre mesur

Do notion de frquence
Frquence absolue : effectif

Nombre dindividus par classe : n
100 sujets: 24 ont la maladie x
Frquences relatives
Pour chaque classe, le rapport de son effectif au
nombre total dindividus
Exprimes en pourcentage
p = : 0,24 ou 24 %
26/11/2015
91
xi
ni
fi
x1
n1
f1
x2
n2
f2
xp
np
fp
x i
26/11/2015
Situation de famille
Patient 1
Mari
ficorrespondla
frquence(pourcentage)
dobservationsayant
commevaleurxi
fi
Modalits
Effectifs(n)
Mari
80
Patient 2
Veuf
Clibataire
30
Marie
Veuf
20
Patiente 4
Clibataire
Patient 5
Divorc
Divorc
20
Total
150
93
26/11/2015
Modalits
Effectifs(n)
Pourcentage
Mari
80
53,3%
Clibataire
30
Veuf
ni
X 100
n
92
Patiente 3
26/11/2015
26/11/2015
nicorrespondaunombre
dobservations(effectif)
ayantcommevaleurxi
On a not la situation familiale des 150

patients dune tude
Nom
Chaque ligne
correspond une
modalit diffrente.
94
Sexe
20%
Masculin
70
58,3%
20
13,3%
Fminin
50
Divorc
20
13,3%
41,7%
Total
150
100%
Total
120
100%
95
26/11/2015
96
16

BIOSTATISTIQUE
26/11/2015
variables quantitativescontinues
Plan
Classed'ge
ni
[1416[
10
9,1%
[1618[
20
18,2%
[1820[
35
31,8%
[2022[
15
13,6%
[2224[
4,5%
>24
25
22,7%
Total
110
100,0%
26/11/2015
97
Dfinition
Rappels
Conclusion
26/11/2015
98
variables quantitatives
Dichotomiques
Binaires
Observables
Variables
qualitatives
Ordinales
Nominales
Variables
Mesurables
Variables
quantitatives
Continues
Discrtes
Sexe
Niveau
dtude
Paramtresdeposition:Mesuresdela
tendancecentrale
Couleur
Ville dorigine
Taille
Poids
Paramtresdedispersion
Dispersion
Nombre
de
patients
Position
26/11/2015
99
26/11/2015
Paramtresdeposition
100
Moyennearithmtique
Moyennearithmtique
Lasommedetouteslesvaleursindividuelles
diviseparlenombredevaleurs
Mdiane
Avec:
n:nombredobservations
xi:lesvaleursdelavariable
:lasommedetouteslesvaleurs
observes.
Mode
26/11/2015
101
26/11/2015
102
17

BIOSTATISTIQUE
26/11/2015
Moyennearithmtique
Exemple
Moyennearithmtique
donnesgroupes
Exemple:Calculerlamoyennedesvaleurs
suivantes:10,12,18,20,25,35
Tranchesdge
Nombre(ni)
[1020[
[2030[
[3040[
[4050[
[5060[
[6070[
4
6
10
4
4
2
Total(n)
30
26/11/2015
103
26/11/2015
Moyennearithmtique
donnesgroupes
104
Moyennearithmtique
donnesgroupes
Silesobservationssontgroupesenclasses,
alors
Nombre(ni)
[1020[
15
60
[2030[
25
150
[3040[
[4050[
10
4
35
45
350
180
[5060[
55
220
[6070[
65
Total(n)
30
ni:lenombredesujetspourlaclassexi
xi:lavaleurcentraledelaclasse
26/11/2015
105
(xi)
nixxi
130
1090
= 1090/30=36,3
26/11/2015
Paramtresdeposition
106
Mdiane
Moyennearithmtique
Lamdianeestlavaleurquidiviseles
observationsen2groupesdetaillegale :
Lepremiercontenantlesvaleursinfrieuresla
mdiane
Etlesecondlesvaleurssuprieureslamdiane
Mdiane
La valeur qui partage la srie en 2 parties

de mme effectif (ordre croissant+++)
Mode
26/11/2015
Valeurcentrale
Tranchesdge
107
26/11/2015
108
18

BIOSTATISTIQUE
26/11/2015
Mdiane
exemples
Mdiane
9 patients hospitaliss dans un service de

mdecine. Leurs dures de sjour (en jours)
sont les suivantes :
3; 15; 23; 46;
Mthodedecalcul
Classerlesvaleursparordredegrandeur
(ascendanteoudescendante).
Identifierlemilieudelasriedevaleurs :
64; 126; 279; 623; 1350
n=3
Placedelavaleurmdiane=
AvecN=Nombretotaldevaleursdanslasriede
valeurs.
n=3
La mdiane est la valeur de rang 5 : 64j
26/11/2015
Lechiffresetrouvantcetteplacedanslasriede
valeurscorrespondlamdiane.
109
26/11/2015
110
Mdiane
exemples
Mdiane
exemples
Mdianedunnombreimpairdedonnes
10,12,18,20,25
Rangerlesvaleursenordreascendant:10,12,18,20,
25
Dterminerlepointcentraldelasrie:(5valeurs+1)/
2=3.
Lamdianeestdonclavaleuren3me positiondansla
srie
La3me valeurest18.
Lamdianequivautdonc18.
26/11/2015
111
Mdianedunnombrepairdedonnes
10,12,18,20,25,45
Rangerlesvaleursenordreascendant:10,12,18,
20,25,45
Dterminerlepointcentraldelasrie(6
valeurs+1)/2=7/2=3,5.
Lamdianeestlavaleurmicheminentrele3me
etle4me chiffre :Le3me chiffreest18etle4me
est20.
Lamdianeest(18+20)/2=19.
26/11/2015
Moyenne - Mdiane
112
Paramtresdeposition
Moyennearithmtique
Srie de valeurs:
10, 12, 18, 20, 25
7, 12, 18, 20, 25
10, 12, 18, 20, 45
Moyenne
17
16,4
21
Mdiane
18
18
18
Mdiane
La moyenne est sensible aux valeurs extrmes
Mode
La mdiane est insensible aux valeurs extrmes

26/11/2015
113
26/11/2015
114
19

BIOSTATISTIQUE
26/11/2015
Mode
Mode
Lavaleurquelonobserveleplus
frquemmentdansunesriedevaleurs.
Distribution unimodale
Distribution
bimodale
N
250
120
200
Exemple1 :Lemodedesvaleurs10,12,12,
12,18,18,20,25,35est12
80
150
100
40
50
Exemple2 :Lasrie10,12,12,12,18,18,18,
20,25,352modes,12et18
26/11/2015
115
0
45
150
203
256
309
361
414
467
519
2.1
3.3
4.6
5.8
7.0
8.3
9.5
10.8
12.0
13.3
14.5
Glycmie (mmol/l)
26/11/2015
116
Mode,mdiane,moyenne
Sidistributionasymtrique
droite
Sidistributionunimodale,symtrique
Mode =
Mdiane =
Moyenne
mode < mdiane < moyenne
gauche
moyenne < mdiane < mode
Mode
0.4
0.3
Mode
Mdiane
20
Histogramme
Mdiane
Moyenne
18
ddp
572
Cratinine (mol/l)
Mode,mdiane,moyenne
les3concident
98
Moyenne
16
0.2
14
%
12
0.1
10
8
6
4
0.0
2
0
-4
26/11/2015
18
-2
22
23
25
27
117
26/11/2015
variables quantitatives
5
PSA (ng/l)
Notes
10
118
tendue
Paramtresdeposition:Mesuresdela
tendancecentrale
Lesquartiles
Lavariance
Dispersion
carttype
Position
26/11/2015
119
26/11/2015
120
20

BIOSTATISTIQUE
26/11/2015
tendue
tendue
Ltendueindiqueladistanceentrelaplus
grandeetlapluspetitevaleurobservedans
ladistribution.
Histogram me
140
180
120
160
100
140
120
Nombre
Nombre
tendue=valeurmaximale valeurminimale
Histogram me
200
100
80
60
20
20
0
0
0
Unesrie:10,12,18,20,25,35
tendue:1035.
26/11/2015
121
60
40
40
Exemple :
80
100 200 300 400 500 600 700 800 900 1000
Cratinine J PBR
100
200
300
400 500 600

Cratinine J PBR
700
800
900
Valeur min
= 45mol/l
Valeur min
Valeur max
= 939 mol/l
Valeur max
= 45mol/l
= 572 mol/l
Etendue
= 894 mol/l
Etendue
= 527 mol/l
26/11/2015
122
Lesquartiles
tendue
Cesontdesvaleurs(Q1,Q2,Q3)quisparent
lchantillon en4partiesquicontiennentle
mmenombrededonnes.
Lesquartiles
Lavariance
25%
25%
25%
25%
carttype
Quart
1
26/11/2015
123
Quart
2
Quart
4
124
Lesquartiles
Lesquartiles
Lepremierquartileoulequartileinfrieur Q1 =
25%desvaleurssontinfrieuresQ1et75%lui
sontsuprieures
Letroisimequartileoulequartilesuprieur Q3
=75%desvaleurssontinfrieuresQ3et25%
luisontsuprieures
Mdianedeladistribution(15+1)/2
=8e donne
123456789101112131415
344555666688101215
Quart
1
Q1
Lamdiane=ledeuximequartileQ2
26/11/2015
Quart
3
26/11/2015
Mdianedesdonnes
prcdentQ2
125
26/11/2015
Quart
2
Q2
Quart
3
Q3
Quart
4
Mdianedesdonnesqui
suiventQ2
126
21

BIOSTATISTIQUE
26/11/2015
Lesquartiles
exemple
Donnesordonnes:10,12,18,20,25,45
MdianeQ2:(20+18)/2=19
QuartileinfrieurQ1:
tendue
Lesquartiles
lamdianede10,12,18=12
QuartilesuprieurQ3:
Lavariance
lamdianede20,25,45=25
carttype
26/11/2015
127
26/11/2015
128
Lavariance
mthodedecalcul
Lavariance
Lavariance:
Calculerlamoyennem
Calculerladiffrenceentrechaque
observationetlamoyenne(xi m)
Porterchacunedecesdiffrencesaucarr
Lamoyennedescarrsdescartslamoyenne
Lasommedescarrsdescartslamoyenne
diviseparlenombred'observations
(xi m)2
Additionnertouscescarrsetdiviserla
sommedescarrsparlenombre
dobservationsmoins1(n1)
26/11/2015
129
26/11/2015
Lavariance
exemple
130
Calculerlavariances2 :10,12,18,20,25,35
tendue
Calculerlamoyenne :m=20
Observationsxi
Diffrencela moyenne
xi 20
Carrdeladiffrencela
moyenne
Lesquartiles
10
12
18
20
25
35
10
+5
+15
100
64
25
225
Calculer la somme des carrs de la diffrence

la moyenne : 100+64+4+0+25+225=418
Diviser la somme des carrs par n -1 soit :
83,6
26/11/2015
Lavariance
carttype
=
131
26/11/2015
132
22

BIOSTATISTIQUE
26/11/2015
carttype
carttype
Mesureladispersionautourdem
Lamesurededispersionlapluscouramment
utilise
=StandardDeviation (SD)
Calcul
s=
x1
x12
x11
m
x5
x9
1
133
134
carttype
10
25
m=20
18
135
La signification probabiliste de lcarttype

Echantillon 2
s 2 < s1
s1
Calculerlavariance
Puisprendrelaracinecarredursultatobtenu
Oncalcullavariance :s2=83,6
Puislcarttypeestlaracinecarredursultat
obtenu:= 83,6 =9,14
Reprsentel cartmoyendesdonnesde
lchantillonparrapportlamoyenne
26/11/2015
Enpratique:
Exemple :calculerlcarttypedelasriede6
valeurs:10,12,18,20,25,35
12
Echantillon 1
x6
26/11/2015
carttype
20
x8
x7
Reprsentel cartmoyendesdonnesde
lchantillonparrapportlamoyenne
26/11/2015
35
x4
x10
x3
x2
26/11/2015
136
Lasignificationprobabilistedelcarttype
50 % des individus en-dessous de la moyenne et 50 % au-dessus
68 % des individus entre -1 et +1
95 % des individus entre -1,96 et +1,96
99,7 % des individus entre -3 et +3
s2
m
26/11/2015
26/11/2015
138
137
23

BIOSTATISTIQUE
26/11/2015
Plan
Lasignificationprobabilistedelcarttype
Exemple : Chez le sujet adulte non diabtique
La glycmie est distribue selon une loi normale
Moyenne : 0,86 g/L
cart type 0,07 g/L
95 % des individus entre -1,96 et +1,96
Dfinition
Rappels
Conclusion
95 % des sujets normaux de

cette population ont une glycmie
comprise entre 0,72 et 1,00 g/L
26/11/2015
139
Statistiquedescriptive
2dimensions
Naturedesvariables:lesdeuxvariablespeuvent
tre
Qualitatives
Quantitatives
Oul'unequantitativeetl'autrequalitative.
Deuxvariablesmesureschezlemmeindividu
Exemples:
26/11/2015
141
Statistiquedescriptive2dimensions
deuxvariablesqualitatives
Effectif d'une case = nij
oui
Tabac non
total
Distribution de frquences : tables de contingence.

Sujet
Cancer
Tabac
1
oui
oui
2
oui
oui
Cancer
3
non
non
oui non total
4
oui
oui
oui
40
20
60
5
oui
oui
Tabac non 10
30
40
6
oui
non
total
50
50
100
7
oui
non
8
9
10
Prsenceduncancerettabagisme...
Poidsettaille
oui
40
10
50
Cancer
non
20
30
50
total
60
40
100
Total de chaque colonne = cj
oui
non
non
oui
oui
Oui
26/11/2015
142
100=Nombretotaldemesures.
50=Nombred'individusayant
uncancer.
60=Nombred'individussont
fumeurs.
40/100=%d'individus
fumeursayantuncancer.
oui
40/60=%d'individusparmiles
fumeursayantuncancer.
Tabac non
40/50=%d'individusparmiles
total
maladesayantuncancerqui
sontdesfumeurs.
oui
40
10
50
Cancer
non
20
30
50
total
60
40
100
Recherche de facteurs de risques
Nombre de mesures totale : n

26/11/2015
140
Objectif:mettreenvidencelesrelationsqui
existententredeuxsriesd'observations.
Total de chaque ligne = li
26/11/2015
143
26/11/2015
144
24

BIOSTATISTIQUE
26/11/2015
deuxvariablesquantitatives
Recherchedefacteursderisques
patient
1
2
3
4
5
6
7
8
9
10
Cancerdupoumonettabagisme
Frquencesrelatives:Risques
Cancer chez les
fumeurs:
R1 = 40/60 = 0,70
Cancer chez les non
fumeurs:
R0 = 10/40 = 0,25
oui
Tabac non
total
oui
40
10
50
Cancer
non
20
30
50
26/11/2015
total
60
40
100
145
X ,Y
VAR(X) VAR(Y)
COV(X,Y)=moyennedesproduitsdescarts
lamoyenne
26/11/2015
147
146
Coefficientdecorrlationlinaire
COV(X, Y)
taille(cm)
169
188
162
161
180
189
184
151
175
162
26/11/2015
deuxvariablesquantitatives
Coefficientdecorrlationlinaire( our)
Age(ans)
21
24
25
22
19
21
24
22
22
21
Mesurel'intensitdelaliaisonlinaireentreXetY
Lecoefficientdecorrlationvarieentre1et1.
0signifieuneassociationnulle
Lesignecorrespondladirectiondelacorrlation.
Quandlesdeuxvaleursaugmententoudiminuent
ensembleils'agitd'unecorrlationpositive.
Quandunevaleuraugmentealorsquel'autrediminueil
s'agitd'unecorrlationngative
|x,y|Prochede1 RELATIONLINEAIREentreles
variables
26/11/2015
Exemple
148
Conclusion
Premiretapedtudespidmiologiques
Obligatoire
Variablequalitative
Effectif&Pourcentage
Moyenne cart type
Mdianeetquartiles
26/11/2015
149
26/11/2015
150
25

BIOSTATISTIQUE
26/11/2015
Programme
1.
2.
3.
4.
5.
6.
7.
8.
BIOSTATISTIQUE
PrE.BOUAITI
UPRMdecinesociale
26/11/2015
152
Programme
1.
2.
3.
4.
5.
6.
7.
8.
26/11/2015
Organisation et
Prsentation des donnes
153
Rappels : variables
Plan
Dichotomiques
Rappel
Introduction
Tableaux
Graphiques
Botemoustaches
Diagrammededispersion
Conclusion
26/11/2015
Observables
Binaires
Variables
qualitatives
Nominales
Variables
Mesurables
155
26/11/2015
Ordinales
Variables
quantitatives
Continues
Discrtes
Sexe
Niveau
dtude
Ville dorigine
Taille
Poids
Nombre
denfants
156
26

BIOSTATISTIQUE
26/11/2015
Variables qualitatives
Variables quantitatives
Dichotomiques
Observables
Variables
Variables
qualitatives
Binaires
Mesurables
Ordinales
Continues
Variables
quantitatives
Variables
Discrtes
Nominales
Frquenceabsolue:effectif
Paramtresdeposition:
Mesuresdelatendancecentrale
tendue
Moyennearithmtique
Lesquartiles
Mdiane
Lavariance
Mode
carttype
Nombredindividusparclasse:n
Frquencesrelatives
Pourchaqueclasse,lerapportdesoneffectifaunombretotaldindividus
Exprimesenpourcentage
26/11/2015
157
26/11/2015
158
Exemple
26/11/2015
Exemple
159
26/11/2015
160
Introduction
Base de donnes
Tableau des
donnes brutes
26/11/2015
161
26/11/2015
N patient
1
2
3
4
5
6
7
8
sexe
Fminin
Masculin
Fminin
Fminin
Fminin
Fminin
Masculin
Masculin
age
20
22
21
18
25
21
23
23
taille
175
175
164
156
176
165
166
166
9
10
11
12
13
Fminin
Masculin
Masculin
Masculin
Masculin
23
22
24
20
20
161
166
163
177
167
14
15
16
17
18
Fminin
Masculin
Fminin
Masculin
Fminin
24
21
22
25
21
151
164
158
170
174
19
20
Fminin
Masculin
25
22
162
166
21
22
23
Fminin
Masculin
Masculin
23
23
25
155
179
158
ATCDs
mdicaux
diabte
diabte
HTA
diabte
diabte
grossesse
diabte
diabte
mnopaus
e
HTA
diabte
diabte
diabte
mnopaus
e
HTA
grossesse
HTA
HTA
mnopaus
e
diabte
mnopaus
e
diabte
HTA
162
27

BIOSTATISTIQUE
26/11/2015
Introduction
Introduction
tudesurunchantillonouunepopulation:
Donnesbrutes
Lestroistapesdutraitementdesdonnes
statistiques:
Variablesquantitatives:Unesriedevaleurs
Variablesqualitatives:untableaubrut
Prsentationdesdonnes:rarementparlante
Organisationetprsentationdesdonnes:
Destableaux:distributionsdefrquences.
Desdiagrammes:graphiques.
Faireressortirunepartiedelinformation
Visualiserlersumstatistique
26/11/2015
Desparamtresstatistiques.
163
26/11/2015
164
Rappels : variables
Introduction
Dichotomiques
Tableauougraphique:
Choix:Suivantletypedevariablealatoire
Classesoumodalits+++
Variables
quantitatives Transformation
continues
26/11/2015
Observables
Variables
discrtes
165
Ordinales
Nominales
Mesurables
Variables
quantitatives
Continues
Discrtes
26/11/2015
Sexe
Niveau
dtude
Ville dorigine
Taille
Poids
Nombre
denfants
166
Tableaux
Dfinition
Introduction
Tableaux
Graphiques
Botemoustaches
Conclusion
26/11/2015
Variables
qualitatives
Variables
Plan
Binaires
Matricecomportantaumoinsdeuxentres:
Unehorizontale:lignes
Uneverticale:colonnes
Objectif
Prsenterlesdonnesdefaonexacte
167
26/11/2015
Prsentation crite des donnes

statistiques
168
28

BIOSTATISTIQUE
26/11/2015
Tableauxdefrquences
Tableauxdefrquences
Dfinition
Lestableauxstatistiques:
La distribution de frquence dune variable

statistique X est une fonction qui, chaque valeur
xi de la variable, fait correspondre sa frquence fi .
De faon similaire on dfinit la distribution de
frquence relative.
Types de variables
Distributiondefrquencesabsolues
Distributiondefrquencesrelatives
Distributiondefrquencesrelativescumules
Prsentation
Lesclassesdelavariables
Leseffectifsetlesfrquences
Totaldeseffectifsettotaldesfrquences
!viter les donnes manquantes!
26/11/2015
169
26/11/2015
Tableauxdefrquences
Tableauxdefrquences
Variablesqualitatives
Tableausimpleentre,sanshirarchie(sauf
silecaractreestordinal).
Lapremirecolonnerenseignelesmodalits
etlesdeuxsuivantesleseffectifset
frquences.
Silecaractreestordinal,onpourrarajouter
unedernirecolonneaveclesfrquences
cumules.
Variablesquantitatives
Discrtes
Continues
Deuxvariablesouplus
26/11/2015
171
26/11/2015
ni
fi
x1
n1
f1
x2
n2
f2
xp
np
fp
x i
26/11/2015
Chaque ligne
correspond une
modalit diffrente.
nicorrespondaunombre
dobservations(effectif)
ayantcommevaleurxi
ficorrespondla
frquence(pourcentage)
dobservationsayant
commevaleurxi
fi
172
Tableauxdefrquences
Exemple:V.qualitative
Tableauxdefrquences
xi
170
ni
X 100
n
173
Distribution des patientes selon les

ATCDs mdicaux (n=1000)
Effectifdes
Pourcentagedes
ATCDs mdicaux
patients(n)
patients(%)
Grossesse
Diabte
HTA
Mnopause
Total
26/11/2015
129
483
332
56
1000
12,9%
48,3%
33,2%
5,6%
100,0%
174
29

BIOSTATISTIQUE
26/11/2015
Tableauxdefrquences
Exemple:V.quantitativediscrte
Tableauxdefrquences
Exemple:V.quantitativediscrte
Une enqute pidmiologique a t ralise pour tudier le nombre

denfants par foyer au niveau de la rgion de Rabat.
Posons X = la variable statistique reprsentant le nombre denfants
dans un foyer. Calculer les frquences et prsenter les rsultat sous
forme dun tableau de frquence
2
2
..
n=1000foyers
26/11/2015
175
DistributiondesfoyersdelaregiondeRabatselon lenombre
denfants (n=1000)
Nombre
Frquence
Frquence
Effectif(n)
d'enfants
relative(%)
cumule(%)
0
129
12,9%
12,9%
1
451
45,1%
58,0%
2
332
33,2%
91,2%
3
56
5,6%
96,8%
4
21
2,1%
98,9%
5
8
0,8%
99,7%
6
3
0,3%
100,0%
Total
1000
100%
26/11/2015
Tableauxdefrquences
Exemple:V.quantitativecontinues
176
Tableauxdefrquences
Exemple:2variables
Classe Hommes Femmes Total
d'ge
ni % ni % ni %
Classed'ge
ni
[1416[
15
12,50%
[1618[
20
16,67%
[1416[
11
15,7%
8,0%
15
12,5%
[1820[
35
29,17%
[1618[
10
14,3%
10
20,0%
20
16,7%
[1820[
19
27,1%
16
32,0%
35
29,2%
[2022[
11,4%
14,0%
15
12,5%
[2022[
15
12,50%
[2224[
10
8,33%
>24
25
20,83%
120
100,00%
Total
26/11/2015
177
[2224[
7,1%
10,0%
10
8,3%
>24
17
24,3%
16,0%
25
20,8%
Total
70
100,0%
50
100,0%
120
100,0%
26/11/2015
Tableauxdefrquences
Exemple
Plan
26/11/2015
178
179
Introduction
Tableaux
Graphiques
Botemoustaches
Conclusion
26/11/2015
180
30

BIOSTATISTIQUE
26/11/2015
Graphiques
Graphiques
Dfinition
Deuxaxes:
Imagesdesdonnesdestudesstatistiques
Axehorizontal:abscisses
Axevertical:ordonnes
Objectif
Titredugraphique
6
Faireressortirunevisionsynthtiquedu
phnomnetudi
Permetdecomparerdun coupdil les
diffrentesmodalits
5
4
3
2
1
0
Catgorie1
Catgorie2
Srie1
26/11/2015
181
Catgorie3
Srie2
Catgorie4
Srie3
26/11/2015
182
Graphiques
Graphiques
Recommandation:
Deuxaxes:
Axehorizontal:abscisses
Lesmodalits
Axevertical:ordonnes
Leseffectifs(oufrquences)
Aviter:
Lahauteurdechaquebande
Graphes3D
Lessuperpositionsdemultiplesgraphessurune
mmegraphique
Lacolorationabusive:dgraddegris+++
Proportionnelleleffectifcorrespondant
26/11/2015
183
26/11/2015
Graphiques
184
Histogramme
Typesdevariables:
Types:
Histogramme
Polygonedefrquence
Diagrammeenbarres
Diagrammeenbarreshorizontales
Camembert
Graphiquesimple
Comprhensible
Lgend(titre,axes,units)
Honnte
Variablesquantitativesdiscrtes
Variablesquantitativescontinues
Typesde
variables
Undiagramme:
Barresverticalescontigus
Ordonnes:effectifs/frquences
Abscisses:lesclassesdelavariable
chelledesabscisses:
Variablescontinues:Lesbornesdesclasses(intervalledela
classe)
Variablesdiscrtes:Lecentredelabarre
26/11/2015
185
26/11/2015
186
31

BIOSTATISTIQUE
26/11/2015
Histogramme
Exemples
Histogramme
Exemples
Effectif :
nombre
de foyers
Distributiondel'gechez120sujets
adultes
Effectif :
nombre
de sujet
500
40
400
30
300
20
200
10
100
0
[1416[ [1618[ [1820[ [2022[ [2224[
Distributiondunombred'enfantsparfoyerdans
unepopiulationde1000foyers
>24
Variable quantitative : Age (ans)
Variable quantitative discrte : nombre denfants
26/11/2015
187
26/11/2015
6
188
Histogramme
Tropdeclasse
Histogramme
Nombredesbarres:
Distributiondel'gechez120sujetsadultes
Tropdeclasse:effet colonnesdeBuren
Troppeudeclasse:effet podiumolympique
Recommand:maximum6
20
15
colonnes de Buren
10
5
0
26/11/2015
189
26/11/2015
Histogramme
Peudeclasses
190
Histogramme
tenduedesclasses
80
60
podium olympique
40
20
0
[1420[
26/11/2015
[2024[
>24
191
26/11/2015
192
32

BIOSTATISTIQUE
26/11/2015
Histogramme
4rgles
NombredeClasses(K):6<K<15.
K=
Avecn:tailledchantillon
NB : Il faut arrondir la valeur K
et L ( l'excs : 3,5 4).
RgledeSTURGES:
K=1+3,3log10 (N)
CalculerltendueE
E=maximale minimale.
CalculerlIntervallesdeClasse(L):
L=E/K
La dure dhospitalisation de 36 malades
11
16
11
15
16
18
Dterminerlesclasses:
Classe=[min mini+L[
2me Classe=[min +L min+2L[
DernireClasse=[maximale+ L maximale+[
1re
Histogramme
4rgles
20
10
12
20
11
10
18
15
12
13
20
13
10
17
11
19
12
16
20
17
20
14
10
16
11
11
13
15
12
13

NombredeClasses(K):
K=
=6
CalculerltendueE
E=20 10=10
IntervallesdeClasse(L):
L=10/6=1,72
Arrondir L selon prcision

voulue diminution ou
augmentation parfois de K de 1.
26/11/2015
193
11
16
11
15
16
18
26/11/2015
20
10
12
20
11
10
18
15
12
13
20
13
10
17
11
19
12
16
20
17
20
14
10
16
Dterminerlesclasses:
1re Classe=[9 11[
2me Classe=[11 13[
3me Classe=[13 15[
4me Classe=[15 17[
5me Classe=[17 19[
6me Classe=[19 21[
Histogramme
4rgles
11
11
13
15
12
13
194
Polygonedefrquence
Typedevariable:
Graphelinaire:
Ordonne:effectifsoufrquences
Abscisse:valeursduvariablediscrtise
Chaquepoint=effectifoufrquencepourlepoint
centraldelaclassedelavariable.
Polygonedefrquencedoitcommenceretseterminer
0
Intrt:reprsentersurunmmegraphiqueplusieurs
distributions.
26/11/2015
195
26/11/2015
196
Polygonedefrquence
Exemples
Polygonedefrquence
Exemples
Effectif :
nombre
de sujet
Effectif :
nombre
de sujet
40
20
30
15
10
20
10
0
<14
0
<14
[1416[ [1618[ [1820[ [2022[ [2224[
[1416[ [1618[ [1820[ [2022[ [2224[

Hommes
>24

26/11/2015
Distributiondel'geselonlesexe
>24
Femmes

197
26/11/2015
198
33

BIOSTATISTIQUE
26/11/2015
Polygonedefrquence
Exemples
a) Histogramme bas sur des

groupes mesurs (units de 10
ans).
b) Histogramme bas sur des

groupes mesurs (units de 5
ans).
c) Nombre infini (mesurs en

mois).
26/11/2015
199
26/11/2015
200
Diagrammeenbarres
Exemple
Diagrammeenbarres
Typedevariable:
Pourcentage
des patients
Variablequalitativeordinale+++
Distributiondesformes cliniques d'une maladie dans

une srie de1000patients
60,0%
Diagramme:
50,0%
Barresverticalesdisjointes
Ordonnes:effectifsoulesfrquences
Abscisses:
40,0%
30,0%
sanschellenumrique
Libells:modalitsdesvariables
20,0%
Lesbarres:
10,0%
Largeur:identique
0,0%
asymptomatique
modre
marque
svre
Variable qualitative ordinale : forme clinique
26/11/2015
201
26/11/2015
Diagrammeenbarres
Exemple
202
Diagrammeenbarres
Exemple
Consommationdutabac(n=200)
70,00%
60,70%
60,00%
50,00%
40,00%
33,40%
30,00%
20,00%
10,00%
5,80%
0,00%
nonfumeurs
26/11/2015
anciensfumeurs
fumeursactifs
203
26/11/2015
204
34

BIOSTATISTIQUE
26/11/2015
Diagrammeenbarres
Exemple
26/11/2015
Diagrammeenbarres
Exemple
205
26/11/2015
Diagrammeenbarres
Exemple
206
Diagrammeenbarres
Diagramme:
Barreshorizontalesdisjointes
Ordonnes:Libellsdesclasses
Abscisses:effectifsoulesfrquences
26/11/2015
207
Variable qualitative nominale : ATCDs

mdicaux
Exemple
26/11/2015
208
Exemple
Distributiondesantcdentsmdicaux
d'unesriede1000patientes
mnopause
26/11/2015
HTA
diabte
grossesse
0,0% 10,0% 20,0% 30,0% 40,0% 50,0% 60,0%
Pourcentage des patients
209
26/11/2015
210
35

BIOSTATISTIQUE
26/11/2015
Camembert
(Piechart)
Camembert
Exemple
Distributiondesantcdentsmdicauxd'unesriede
1000patientes
mnopause
Typedevariable:
6%
Permetdebienvisualiserlapartrelativede
chaquemodalit.
Camembert:
HTA
33%
Cercledivisensecteurs
Chaquesecteur:uneclassedelavariable
Lasurfacedusecteur:proportionnellelafrquence
Nombredesecteurs:moyennede6
26/11/2015
211
diabte
48%
26/11/2015
Camembert
Exemple
Variable qualitative nominale : ATCDs

mdicaux
213
Diagrammeenbarres
horizontales
fumeursactifs
anciensfumeurs
33,40%
60,70%
0,00% 20,00% 40,00% 60,00% 80,00%
nonfumeurs
anciensfumeurs
0,0%
grossesse
13%
HTA
33%
33,2%
diabte
grossesse
mnopause
6%
5,6%
HTA
48,3%
12,9%
20,0%
40,0%
60,0%
diabte
48%
Pourcentage des
patients
26/11/2015
60,70%
nonfumeurs
mnopause
Distributiondesantcdentsmdicaux
d'unesriede1000patientes
214
Plan
5,80%
33,40%
Camembert
Distributiondesantcdents
mdicauxd'unesriede1000
patientes
Camembert
5,80%
212
Diagrammeenbarres
horizontales
26/11/2015
26/11/2015
grossesse
13%
Introduction
Tableaux
Graphiques
Botemoustaches
Conclusion
fumeursactifs
215
26/11/2015
216
36

BIOSTATISTIQUE
26/11/2015
Botemoustaches
Botemoustaches
Dfinition:
Rsumequelquescaractristiquesdepositiondu
caractretudi(mdiane,quartiles,minimum,
maximum)
Permetdefaireunecomparaisonentredeux
populations
26/11/2015
217
26/11/2015
Botemoustaches
Exemple
Botemoustaches
26/11/2015
219
26/11/2015
Botemoustaches
Exemple
220
Plan
26/11/2015
218
221
Introduction
Tableaux
Graphiques
Botemoustaches
Conclusion
26/11/2015
222
37

BIOSTATISTIQUE
26/11/2015
Nuagedepoints
Nuagedepoints
Dfinition:
Outilpourreprsentergraphiquementlarelation
entredeuxvariablesquantitativescontinues
(X;Y)
Deuxmesuresralisessurunmmeindividu.
Permetdecaractriserladirection,laforceetla
formedelarelation.
X
26/11/2015
223
26/11/2015
Nuagedepoints
224
Conclusion
Organisation et
Prsentation des
donnes
Type des variables
26/11/2015
225
Organisation et Prsentation des

donnes
26/11/2015
226
Organisation et Prsentation des

donnes
Dichotomiques
Observables
Variables
Variables
qualitatives
Binaires
Mesurables
Ordinales
Variables
Variables
quantitatives
Continues
Nominales
Tableauxdefrquences
Graphiques:
Tableauxdefrquences
Graphiques:
Diagrammeenbarres
Camembert
26/11/2015
Discrtes
Histogramme
Polygonedefrquence
Botemoustaches
227
26/11/2015
228
38

BIOSTATISTIQUE
26/11/2015
Programme
1.
2.
3.
4.
5.
6.
7.
8.
BIOSTATISTIQUE
PrE.BOUAITI
UPRMdecinesociale
26/11/2015
230
Programme
1.
2.
3.
4.
5.
6.
7.
8.
26/11/2015
Estimationetfluctuations
dchantillonnage
231
Rappels : variables
Plan
Dichotomiques
Rappel
Introduction
Estimationponctuelle
Estimationparintervalle
Intervalledeconfiancedunemoyenne
Intervalledeconfianceduneproportion
26/11/2015
Binaires
Observables
Variables
qualitatives
Ordinales
Nominales
Sexe
Niveau
dtude
Ville dorigine
Variables
Mesurables
233
26/11/2015
Continues
Taille
Poids
Discrtes
Nombre
denfants
Variables
quantitatives
234
39

BIOSTATISTIQUE
26/11/2015
Dichotomiques
Observables
Variables
Binaires
Variables
qualitatives
Mesurables
Ordinales
Continues
Variables
quantitatives
Variables
Discrtes
Nominales
Frquenceabsolue:effectif
Paramtresdeposition:Mesuresdela Paramtresdedispersion
tendancecentrale
tendue
Moyennearithmtique
Lesquartiles
Mdiane
Lavariance
Mode
carttype
Nombredindividusparclasse:n
100sujets:24ontlamaladiex
Frquencesrelatives
Pourchaqueclasse,lerapportdesoneffectifaunombretotaldindividus
Exprimesenpourcentage
p= :0,24ou24%
26/11/2015
235
26/11/2015
Introduction
236
Introduction
Estimation
Intervalle de confiance
Silapopulationesttropnombreuseonne
peutpastudiertouteslesunitsstatistiques.
Onprendalorsunchantillondela
population.
Recensementouchantillonnage
Recensement=vrit
chantillonnage=estimationdelavrit
26/11/2015
Population
237
Plan
Valeur thorique ou
vraie
26/11/2015
Prdiction
Intervalle de fluctuation
chantillon
Observations
Valeur estime
238
Plusieurschantillons
peuventtreconstitus
Rappel
Introduction
Fluctuation
dchantillonnage
chantillonreprsentatif
Tirageausort
Population
26/11/2015
239
26/11/2015
240
40

BIOSTATISTIQUE
26/11/2015
Exemple
Tirageausort:chantillon
reprsentatif
Plusieurschantillons
peuventtreconstitus
Population:1000000sujets
Malades:20%
Nonmalades:80%
Echantillon 3 :
n3=4
Echantillon 1 :
Echantillonalatoire:20sujets
165, 174
n1=4
170, 175,
Echantillon 2 :
180, 182
n2=4
186, 190
Malades:4(20%)
Nonmalades:16(80%)
155, 170,
179, 186
26/11/2015
241
26/11/2015
242
Exemple
Exemple
Nombresdemaladesobservssur10000chantillonsde20sujetstirs
dunepopulationolepourcentagevraidemaladesest20%
2500
2500
2211
2006
1793
2000
1353
1500
2211
2006
1793
2000
1353
1500
1069
1069
1000
1000
601
601
558
500
204
104
75
0
0
19
10
6
11
26/11/2015
0
26/11/2015
204
104
75
19
10
11
12
12
243
Loidesgrands
nombres
Convergencedela
frquencedun
vnementverssa
probabilit
558
500
4
5
(20%)
244
Enrsum
Frquence de
lvnement parmi n
observations
Extractionden chantillonsdunepopulation
P
Silonextraitplusieurschantillonsreprsentatifs
detaillen fixe,lesdiffrencesobservesentre
lesrsultatsobtenussontduesdesfluctuations
dchantillonnage.
Apartirdunchantillon,onnadoncpasde
certitudesmaisdesestimationsdeparamtres.
Nombre n dobservations (taille de lchantillon)
26/11/2015
245
26/11/2015
246
41

BIOSTATISTIQUE
26/11/2015
Estimation
Plan
Ondonneuneuniquevaleurcalculepartirdes
observationsfaitessurl'chantillon
Ondonne2valeursentrelesquellesleparamtre
peutsetrouver
Ondonneunintervallequiade"forteschances"
decontenirlavraievaleur.
Intervalledeconfiance95%
26/11/2015
247
Rappel
Introduction
26/11/2015
Estimationdunpourcentage
Estimationdunemoyenne
P=pourcentagevraidemaladesdansla
population
Echantilloncomprenantnsujetsdontkmalades
EstimationdeP:
26/11/2015
=moyennevraiedeX
Echantillondensujetstirsausortdansla
population
Valeursobserves:x1,,xn
Estimationde:
249
26/11/2015
250
Qualitsduneestimation
Estimationdunevariance
Pasdebiais
Varianceminimum
=moyennevraiedeX
2 variancevraiedeX
Commeestinconnue
Estimationdes2
Absence de biais
Autresexpressionsdes2 :
26/11/2015
248
Prsence de biais
251
26/11/2015
252
42

BIOSTATISTIQUE
26/11/2015
Plan
Estimation
Rappel
Introduction
chantillon
Observations
Valeur estime
po /mo
Population
26/11/2015
253
26/11/2015
Valeur thorique ou vraie

P/?
254
p1 /m1
p1 /m1
p2 /m2
p2 /m2
p3 /m3 chantillon
p3 /m3 chantillon
..
.
..
.
..
.
Valeur
estime
..
.
Valeur
estime
Population
P [Pmin Pmax]
[mmin mmax]
Pn-1 /mn-1
Population
26/11/2015
pn /mn

P/?
Pn-1 /mn-1
pn /mn
255
26/11/2015
256
Consisteconstruire,autourdelestimation
ponctuelle,unintervallequiauraunegrande
probabilit(1)decontenirlavraievaleurdu
paramtre.
Valeur de la
statistique
calcule
partir de
lchantillon
Limite infrieure
26/11/2015
Limite suprieure
257
26/11/2015
Intervalle de confiance 95%)
258
43

BIOSTATISTIQUE
26/11/2015
Objectif:
chantillon alatoire
Population
Moyenne, , est
inconnue
Moyenne = 50
Je suis confiant
95% que est entre
40 & 60.
chantillon
26/11/2015
Onveutinfrerlavaleurdunparamtredune
population(inconnue)partirdunchantillon
Lameilleureestimationdeestx
LameilleureestimationdePestp
Puisquecetteestimationapeudechancedtre
exacte,onaimeraitconnatreunintervalle
lintrieurduquelilestprobabledetrouverla
vraievaleurduparamtre
259
26/11/2015
Intervalledeconfiancedune
moyenne
Plan
260
Distributionnormale.
Rappel
Introduction
Laformeexactedunedistributionnormale
dpendde:
Lamoyenne
lcarttype
Notation:N(,)
26/11/2015
261
26/11/2015
moyenne
262
moyenne
Unedistributiondchantillonnage :estune
distributiondestatistiques (parexemple)
provenantdetousleschantillonspossibles
x
dunetailleNdonne quelonpeuttirerdune
populationprcise.
Thormelimitecentrale
PlusNestgrand,plusladistribution
dchantillonnagedelamoyennesapparente
unedistributionnormale:
X ~ N x , x
N
Distribution
dchantillonnage
de la moyenne
26/11/2015
263
26/11/2015
Lcart-type
264
44

BIOSTATISTIQUE
26/11/2015
moyenne
moyenne
1. mo est le plus souvent diffrent de

2. mo proche de est plus probable
intervalle ponctuelle
va tre estime partir de mobserve
Mais, estaussiinconnuetdoitluiaussitre
estimpartirdelchantillon!
Intervalle de confiance de = m0 i
+i
mo
26/11/2015
-i
mo + i
mo
partirduthormedelalimitecentrale,on
obtient:
IC1 m0 z / 2 *
N
- Fourchette
.Centresurmo
.iestlaprcision(lamarged'erreur)
Risquederreur
mo - i
265
26/11/2015
266
moyenne
moyenne
Expression:
Intervalledeconfiance95%pourm:
I.C.de =m i
Taille dchantillon grande :n>30
[ m0 - 1.96
26/11/2015
267
s2
]
n
26/11/2015
268
Expression:
Intervalledeconfiance95%pourm:
I.C.de =m i
Taille dchantillon petite:n<30
etXsuituneloinormale
s2 = variance
- m0 + 1.96
moyenne
moyenne
i = t/2(n-1) x
s2
n
s2
[ m0 - t
,(n -1)
s2
n
- m0 + t
, (n -1)
s2
]
n
n = effectif de lchantillon
t/2 (n-1) = fonction et degr de libert (ddl)

26/11/2015
Tables : loi du Student
269
26/11/2015
270
45

BIOSTATISTIQUE
26/11/2015
LoisdeStudent
Exemple
LoisdeStudent
Valeur t
Exemple :n=10et =0,05
ddl =10 1=9
Dans latabledeladistributiont ontrouve quet0,05/2 =2,262.
26/11/2015
271
Exemple
26/11/2015
Exemple
Taillelanaissance:
IC95%=[48,7 49,3]
m0 =49cms2 =7,8cm2
Intervalledeconfiance95%delamoyenne
destaillesdenaissanceobservessurun
chantillondetaille400:
m [ 49 - 1,96
7,8
; 49 1,96
400
7,8
]
400
26/11/2015
273
Exemple
m0
=7,8cm2
s2
n
Condition dapplication :
distribution des tailles de naissance normale.
26/11/2015
26/11/2015
274
Valeurt
Intervalledeconfiance95%delamoyenne
destaillesdenaissanceobservessurun
chantillondetaille10:
IC1 m t / 2,n 1 X
Interprtation:
Dans95%deschantillonsde400nouveauns,
lamoyenneobservedestaillesestcomprise
entre48,73cmet49,27cm.
Exemple
Taillelanaissance:
=49cms2
272
n=10
ddl=10 1=9
Danslatabledeladistributiont ontrouveque
t0,025 =2,262.
m [ 49 - 2.262
275
26/11/2015
7,8
; 49 2.262
10
7,8
]
10
276
46

BIOSTATISTIQUE
26/11/2015
Exemple
Rsum
desintervallesdeconfiancedemoyenne
Sin 30:
IC95%=[47,0 51,0]
IC1 m z / 2 X
s2
n
Sin <30,lapopulationsuituneloinormale
Interprtation :
Dans 95% des chantillons de 10 nouveauns, la moyenne observe des tailles est
comprise entre 47 cm et 51cm.
Silavaleurde estconnuealors:
IC1 m z / 2 X
277
26/11/2015
278
1. po est le plus souvent diffrent de P

2. po proche de P est plus probable
Rappel
Introduction
Conclusion
26/11/2015
s2
n
proportion
Plan
Silavaleurde estinconnuealors:
IC1 m t / 2,n 1 X
26/11/2015
intervalle ponctuelle
P va tre estime partir de pobserve
Intervalle de confiance de P = po i
+i
po
279
proportion
26/11/2015
-i
po + i
po
- Fourchette
.Centresurpo
.iestlaprcision(lamarged'erreur)
Risquederreur
po - i
280
proportion
I.C. de P = po i
Petitschantillons:
np etnq sont<5
Sinp etnq sont5
Tables
26/11/2015
281
26/11/2015
282
47

BIOSTATISTIQUE
26/11/2015
proportion
Expression:
Intervalledeconfiance95%pourp:
[ p0 - 1.96
26/11/2015
283
Exemple
2211
2006
1793
2000
Po = 20%
IC95% : [ 2,5% - 37,5%]
1353
1500
p0(1 - p0)
]
n
26/11/2015
284
Exemple
2500
p0(1 - p0)
- p0 + 1.96
n
Tailledchantillon:n=100
p0 =0,28(proportiondefumeursdans
lchantillonde100personnes)
1069
1000
601
558
500
204
104
75
0
0
19
10
6
11
26/11/2015
Calculons un intervalle de confiance

95% pour p (la proportion de fumeurs
dans la population).
12
285
26/11/2015
286
Conclusion
chantillon:Infrence
Exemple
np0 =28etnq0 =72sont5
Onutiliselaformule:
[ p 0 - 1.96
p 0 (1 - p 0 )
n
- p 0 + 1.96
p 0 (1 - p 0 )
]
n
Population
lintervalle deconfiance95%=
[ 19,3% - 36,7% ]
Interprtation:
Caractristiques
inconnues
Dans95%deschantillonsde100sujets,lepourcentage
observdefumeursPoestcomprisentre19,3%et36,7%.
26/11/2015
287
IC95%
26/11/2015
chantillon
Caractristiques
connues
p0/m0
288
48

Module Biostat 1AM Partie1

Transféré par

Droits d'auteur :

Formats disponibles

Module Biostat 1AM Partie1

Transféré par

Informations du document

Description originale:

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

Module Biostat 1AM Partie1

Transféré par

Droits d'auteur :

Formats disponibles

Pr_E.

Expliquer les grands aspects de la

Pr_E. BOUAITI : Module

Pr_E. BOUAITI : Module

Infrer = tirer une conclusion partir de propositions ou de faits, et de rgles

Pr_E. BOUAITI : Module

Pr_E. BOUAITI : Module

Difficult pour interprter

Pr_E. BOUAITI : Module

Pr_E. BOUAITI : Module

Pr_E. BOUAITI : Module

Pr_E. BOUAITI : Module

Pr_E. BOUAITI : Module

Pr_E. BOUAITI : Module

Expression de la relation qui

Quel numrateur, quel dnominateur

Pr_E. BOUAITI : Module

n non inclus dans d

= 0,5 homme pour 1 femme

cancer : ratio 10,6 hommes pour une femme

10 litres deau par personne

Pr_E. BOUAITI : Module

Taux = probabilit de survenue dun vnement

En 2010 : TMM = 110 dcs pour 100 mille naissances vivantes

Pr_E. BOUAITI : Module

Cest l'ensemble des mthodes et

des donnes nombreuses et varies.

Pr_E. BOUAITI : Module

Dur_hosj type_brul ATCD

Pr_E. BOUAITI : Module

Un caractre qualitatif ne peut tre mesur

Frquence absolue : effectif

On a not la situation familiale des 150

Pr_E. BOUAITI : Module

Pr_E. BOUAITI : Module

La valeur qui partage la srie en 2 parties

Pr_E. BOUAITI : Module

9 patients hospitaliss dans un service de

3; 15; 23; 46;

64; 126; 279; 623; 1350

La mdiane est la valeur de rang 5 : 64j

La moyenne est sensible aux valeurs extrmes

La mdiane est insensible aux valeurs extrmes

Pr_E. BOUAITI : Module

mode < mdiane < moyenne

Pr_E. BOUAITI : Module

400 500 600

Pr_E. BOUAITI : Module

Calculer la somme des carrs de la diffrence

Pr_E. BOUAITI : Module

La signification probabiliste de lcarttype

Pr_E. BOUAITI : Module

95 % des individus entre -1,96 et +1,96

95 % des sujets normaux de

Distribution de frquences : tables de contingence.

Total de chaque colonne = cj

Recherche de facteurs de risques

Nombre de mesures totale : n

Total de chaque ligne = li