Chapitre I : Vocabulaire de la statistique descriptive

I. Introduction générale : Aujourd'hui, grâce à la facilité d'utilisation de l'informatique, à sa

démocratisation, au développement d'Internet, nous sommes confrontés à un impressionnant
volume d'information quantifiée, chiffrée. Cela couvre pratiquement tous les domaines :
social, politique, biologie, santé, sécurité...
On remarque la multiplicité d'enquêtes entreprises dans le but d'approcher au mieux la
réalité. Internet permet notamment de réaliser des enquêtes à grande échelle. On dispose
maintenant de grandes bases de données. Ensuite apparaît l'exploitation de cette information
et là intervient la statistique appliquée.

Statistiques : La statistique désigne à la fois un ensemble de données et l’ensemble des

activités (pratiquement dans tous les domaines d’activité : gestion financière (états, banques,
assurances, entreprises...), démographie, contrôles de qualité, études de marché, sciences
expérimentales (biologie, psychologie...), consistant à collecter ces données, à les traiter et à
les
• Statistique descriptive : Le traitement des données, pour en dégager un certain nombre de
renseignements qualitatifs ou quantitatifs à des fins de comparaison, s’appelle la statistique
descriptive.
• Statistique inférentielle : Un autre but de la statistique consiste à extrapoler à partir d’un
échantillon de la population à étudier, le comportement de la population dans son ensemble
(sondages, contrôle de qualité comportant un test destructif...) C’est la statistique inductive
ou encore appelée statistique inférentielle.

II. Vocabulaire de la statistique descriptive :

Définitions de base : Dans un premier temps, nous allons donner le vocabulaire de base de
la statistique descriptive, on appellera :

a) Population : Un ensemble d’objets ou de personnes d’une étude statistique est appelé

population. L’ensemble sur lequel porte l’activité statistique s’appelle la population.
L’ensemble des individus concernés par l’étude (exemples : ensemble des entreprises
françaises, ensemble des pièces sortant de la chaîne) ;

b) Individu : Un élément de cette population est appelé individu ;

Remarque : Ces « individus » peuvent être de natures très diverses : ensemble de personnes,
mois d’une année, pièces produites par une usine, résultats d’expériences répétées un certain
nombre de fois.
c) Échantillon, un sous-ensemble de la population dont les individus feront l’objet de l’étude.
Le choix de l’échantillon se fait en respectant certaines règles ;
d) Variable ou caractère statistique, l’aspect de l’unité statistique que l’on va étudier
(exemples : situation géographique de l’entreprise, diamètre de la pièce…). On dira que
cette variable prend des valeurs (ou modalités).

Les caractéristiques étudiées sur les individus d’une population sont appelées les caractères.
1
 Nous considérons plusieurs types de caractères :
1. Les caractères qualitatifs.
Exemples : profession, adresse, sexe, numéro de téléphone...
2. Les caractères quantitatifs : leur détermination produit un nombre ou une suite de
nombres. Nous distinguons :

 Les caractères simples ou univariés : leur mesure sur un individu produit un seul
nombre. L’ensemble de leurs valeurs est donc R ou une partie de R.
Exemples : taille, poids, salaire, température...

 Les caractères multiples : leur mesure sur un individu produit une suite finie de
nombres. L’ensemble de leurs valeurs est donc Rn ou une partie de Rn.
Exemples : relevé de notes d’un(e) étudiant(e), fiche de salaire...

Remarques
1. Les caractères qualitatifs peuvent toujours être transformés en quantitatifs par codage.
C’est ce qui se fait le plus généralement. Mais un tel codage est purement conventionnel et
n’a pas vraiment un sens quantitatif.
Exemple : Nous ne pouvons pas calculer le sexe moyen.
2. Certains caractères qualitatifs s’expriment à l’aide de nombres.
Exemple : Un numéro de téléphone.
Mais ils n’ont pas non plus de sens quantitatif.
Exemple : Calculer un numéro de téléphone moyen n’est pas pertinent.

III. Description d’une population statistique

A. Unités statistiques, population, échantillons : Les éléments nombreux dont

s'occupe la statistique descriptive sont appelés des unités statistiques. Ces unités sont
regroupées dans une population. Lorsque la population est trop importante pour être
connue entièrement, on prélève un échantillon. Les relations qui existent entre la
population, les échantillons et les unités statistiques sont résumées dans le schéma ci-
dessous.

B. Caractères et variables : Dans une population, par exemple celle des étudiants
d’une faculté, les unités sont repérées par le nom et le prénom des étudiants (on a
donc une liste). Si l'on souhaite étudier cette population, on va retenir certains
critères d’étude comme le sexe, la filière principale à laquelle chaque étudiant se
2
 rattache, les matières optionnelles qu'il a choisi, l’âge, le poids, la taille, etc. Parmi
ces critères, certains sont quantitatifs, comme l’âge, le poids, la taille. On peut en
effet effectuer des calculs numériques sur ces critères : poids moyen, taille
maximale, taille minimale, etc. D’autres critères ne sont pas quantifiables, car on ne
peut pas effectuer de calculs dessus. Ils sont qualitatifs. C’est le cas du sexe par
exemple. On peut connaître l’effectif masculin et l’effectif féminin d’une population,
mais la notion de « sexe moyen » n’a pas de sens et ne peut d’ailleurs pas être
calculée.

Afin de différencier les deux type de critères, les critères qualitatifs sont appelés des
caractères et les critères quantitatifs des variables. On désigne par modalités les
différentes catégories d’un caractère qualitatif et on qualifie de valeurs les différents
chiffres d’une variable.

Exemple 1 : soit une population de 600 étudiants, avec un effectif féminin de 230 et un
effectif masculin de 370. Traduisons ces informations dans le vocabulaire de la statistique
descriptive.

Tableau 1 : Exemple d’un critère qualitatif

P Population Effectif total : n = 600

I Unités statistiques Chaque étudiant i = 1, 2,3,…n
X Caractère Le sexe
XF XM Modalités Féminin ou Masculin
nF nM Effectifs associés à chaque modalité 370 hommes, 230 femmes

L’effectif total, n, va se répartir entre l’effectif masculin et l’effectif féminin, ce qui nous
permet d'écrire que n = nF + nM. Cette égalité, nous pouvons l’écrire parce que les
différentes modalités d’un caractère sont à la fois exhaustives et incompatibles.
Exhaustives, car elles décrivent toutes les valeurs ou états possibles d’un caractère.
Incompatibles, car un individu ne peut pas avoir plus d’une modalité.

Exemple 2 : soit un échantillon de 10 étudiants ayant passé un examen. Ils ont obtenu les
notes suivantes (sur 20) : {16, 8, 6, 14, 10, 18, 13, 9, 10, 15}.

Tableau 2 : Exemple d’un critère quantitatif

E Échantillon Effectif de l’échantillon : n = 10

I Unités statistiques Chaque étudiant i = 1, 2,3,…n
X Variable Notes
{x1, x2, …xn} Valeurs (*)
{6, 8, 9, 10, 13, 14, 15, 16,18}
{n1, n2….nh} Effectifs associés à chaque valeur {1, 1, 1, 2, 1, 1, 1, 1,1}

(*) Il n’y a que 9 valeurs, parce que le 10 est répété 2 fois. Ce qui montre l’importance de
distinguer les valeurs de la variable et l’effectif de l’échantillon (ou de la population).
L’effectif varie de 1 à n (avec n=10), tandis que les valeurs varient de 1 à 9 (avec h=9).

3
 C. Modalités ordinales, modalités nominales

Les modalités d'un caractère qualitatif, si elles ne peuvent pas être mesurées
quantitativement, sont parfois susceptibles d'être classées. Ce sont des modalités
ordinales.

Exemple 1 : Un questionnaire de satisfaction demande aux consommateurs d'évaluer une

prestation en cochant l’une des six catégories suivantes :
(a) nulle, (b) médiocre, (c) moyenne, (d) assez bonne, (e) très bonne, (f) excellente
Il s'agit de modalités ordinales puisqu'elles peuvent être hiérarchisées : une prestation
excellente est meilleure qu'une prestation bonne, etc. La différence avec des valeurs
quantitatives est qu'on ne peut dire, par exemple, si une prestation jugée excellente est deux
fois ou quatre fois meilleure qu'une prestation décrite comme moyenne. On peut effectuer
un classement, non une quantification.

Remarque : certaines modalités ordinales peuvent néanmoins être transformées valeurs

quantitatives. Ce sont en fait des valeurs quantitatives qui prennent l'apparence de
modalités qualitatives ordinales.

Exemple 2 : Des chemises sont classées par taille : XS, S, M, L, XL, XXL, XXXL. Il s'agit
de modalités faussement ordinales. En réalité il existe un tableau de correspondance qui
explicitera à quelle taille en cm chacune de ces catégories correspond. Les modalités d'un
caractère qualitatif qui ne peuvent pas être classées ou hiérarchisées sont dites nominales.

Exemple 3 : On demande à un échantillon de personnes ce qu'évoque pour elles un

parfum. Plus précisément, elles doivent cocher une des cases suivantes : (a) aventure, (b)
sensualité, (c) confort, (d) nostalgie
Il est clair qu'aucune comparaison ni hiérarchisation ne peuvent être établies entre ces
modalités. Elles sont nominales.
Remarque : Certaines modalités purement nominales sont parfois codées avec des
chiffres. Par exemple, le sexe des individus d'une population sera codé par "1" pour les
hommes et par "2" pour les femmes. Il s'agit bien là d'une tentative de quantification d'une
variable purement nominale. On parle alors de variables pseudo-numériques. On peut en
effet de cette façon calculer une moyenne, qui sera en fait la proportion des hommes dans
la population ou dans l'échantillon.

D. Valeurs discrètes, valeurs continues

Une variable quantitative peut-être discrète ou continue. Lorsque le nombre de valeurs

possibles est fini (exemple : le nombre d’enfants, le nombre de pièces d’un logement, etc.),
la variable est discrète. Lorsque le nombre de valeurs possibles de la variable est infini
(exemple : la taille, le poids ou le revenu des ménages), la variable est continue.

La variable est dite discrète si elle ne prend que des valeurs isolées (ex : entières). Elle est
continue si elle peut prendre toutes les valeurs d’un intervalle (ex : R).
L’effectif d’une population est le nombre d’individus total de cette population. La
fréquence d’un caractère est le nombre d’individus possédant ce caractère divisé par
l’effectif total de la population.

4
 E. Unités individuelles et unités groupées

Les unités d’une population, que le critère soit qualitatif ou quantitatif (discret ou continu),
peuvent être présentées individuellement (c’est généralement le cas lorsque les données
sont saisies) ou regroupées. Le regroupement peut être effectué par modalités, par valeurs
ou par classes de modalités ou de valeurs.

Exemple 1 : Un questionnaire de satisfaction demande à un échantillon de 10

consommateurs d'évaluer une prestation en cochant l’une des six catégories suivantes :
(a) nulle, (b) médiocre, (c) moyenne, (d) assez bonne, (e) très bonne, (f) excellente
On présenter les données individuellement (tableau 3), groupées par modalités (tableau 4)
ou par classes de modalités (tableau 5).

Tableau 3 : Données présentées individuellement

Identificateur(*) 1 2 3 4 5 6 7 8 9 10
Évaluation a e e c e f a f e b

(*) Nom de la personne ou numéro si l’on veut préserver l’anonymat.

Tableau 4 : Données groupées par modalités

Modalités a b c d e f
Effectif 2 1 1 0 4 2

Tableau 5 : Données groupées par classes de modalités

Classes De nulle à assez bonne (a-b-c-d) De très bonne excellente (e-f)

Effectif 4 6

Exemple 2 : On a mesuré 20 personnes et les résultats sont (en cm) :

{148, 165, 145, 173, 148, 145, 152, 180, 135, 170, 170, 170, 142, 148, 165, 175, 180, 180,
180, 180}
Il s'agit d'un variable continue (la taille), mais dont les valeurs sont ici connues
individuellement. On peut aussi effectuer un regroupement par taille car certaines tailles,
comme 170 ou 180, apparaissent plusieurs fois (tableau 6).

Tableau 6 : Données groupées par valeurs

Taille 135 142 145 148 152 165 170 173 175 180
Effectifs 1 1 2 3 1 2 3 1 1 5

Il est également possible d'effectuer un regroupement par classes de valeurs. On choisira, à

titre d'exemple, un regroupement par classes d'amplitudes égales (tableau 7), puis un
regroupement par classes d'amplitudes inégales (tableau 8). On désigne par ai,
l’amplitude d’une classe. Dans le tableau 7, l’amplitude de classe est la même pour toutes
les classes (10 cm) alors qu’elle est de 20 cm, 20 cm et 10 cm dans le tableau 8.

5
 Tableau 7 : Groupement par classes (amplitudes égales)
Classes Effectifs
[130-140[ 1
[140-150[ 6
[150-160[ 1
[160-170[ 2
[170-180[ 10

Tableau 8 : Données groupées par valeurs (amplitudes inégales)

Classes Effectifs
[130-150[ 7
[150-170[ 3
[170-180[ 10

Lorsque les unités statistiques sont groupées par classes, on calcule un centre de classe,
désigné par ci, qui est égal à la moyenne des extrémités de classes (voir le tableau 9 pour le
calcul des centres de classe du tableau 8).

Tableau 9 : Calcul des centres de classe des données du tableau 8

Classes Centres de classes (Ci)

[130-150[ (130+150)/2 = 140
[150-170[ (150 +170)/2 = 160
[170-180[ (170+180)/2= 175

Exemple 3 : On a questionné 100 ménages sur le nombre d'ampoules électriques utilisées

dans leur domicile. Dans le premier tableau, les données sont regroupées par nombre
d'ampoules. Dans le second tableau, elles sont regroupées par classes.

Tableau 10 : Regroupement par nombre d'ampoules

Nombre d’ampoules 2 3 4 5 6 7 8 9 11 12 13 15
Effectifs 5 8 8 10 18 16 10 9 6 5 3 2

Tableau 11 : Regroupement par classes

Classes Effectifs
[2-5[ 21
[5-10[ 63
[10-15[ 16

F. Effectifs, fréquences, pourcentages, ratios, taux et indices

Une fois les unités statistiques d’une population répertoriées, celles-ci sont présentées dans
des tableaux (voir le chapitre 2), de diverses manières : effectifs ou fréquences absolues,
fréquences relatives, pourcentages, ratios, indices et taux. Il convient de définir ces termes
avec précision :
6
1) Effectifs ou fréquences absolues : Il s’agit de la répartition brute des données. Lorsque les
données sont présentées individuellement, chaque donnée a la même fréquence unitaire
d’apparition, leur effectif ou fréquence absolue est égal à 1. Lorsque les données sont
regroupées par valeurs ou modalités, les effectifs ou fréquences absolues correspondent au
nombre de données qui ont la valeur ou modalité, ou encore qui sont groupées dans une
classe donnée. Symboliquement, les effectifs ou fréquences absolues s’écrivent ni. Et la
somme des effectifs est égale à n. Ainsi, dans le cas du tableau 11, les effectifs ou
fréquences absolues dont respectivement égaux à n1=21, n2=63 et n3=16. De plus, on a :
n1+n2 + n3 = 21+63+16=100 = n

2) Fréquences relatives et pourcentages : La fréquence relative est égale à la fréquence

absolue divisée par l’effectif total : fi = ni/n. On a donc :

𝑛1 𝑛2 𝑛𝑛 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑛
𝑓1 + 𝑓2 + … . +𝑓𝑛 = + + …+ = =1
𝑛 𝑛 𝑛 𝑛

Pour décrire statistiquement une variable qualitative, on utilise les outils élémentaires de
distributions de fréquence absolues (effectifs) et relatives visualisées par des graphiques
élémentaires de son choix (diagrammes en bâtons, en barres, en secteurs, etc...).

Effectifs Fréquences absolues Fréquences relatives

X1 n1 n1/n
X2 n2 n2/n
… … …
Xk nk nk/n

Avec n = n1 + n2 + ... + nk

Le pourcentage des données qui correspondent à une modalité, à une valeur ou à une
classe s’obtient en multipliant la fréquence relative correspondante par 100. C’est-à-dire :
Pourcentage de la valeur (modalité ou classe) i = fi x 100

Le tableau 12 reprend l’exemple de la répartition des ménages en fonction du nombre

d’ampoules utilisées à leur domicile, en ajoutant la colonne des fréquences relatives à côté
de celle des fréquences absolues. La dernière ligne correspond aux totaux.

Tableau 12 : Répartition des ménages en fonction du nombre d’ampoules à leur domicile

Classes Effectifs ou Fréquences Pourcentages

fréquences absolues relatives
[2-5[ 21 0,21 21
[5-10[ 63 0,63 63
[10-15] 16 0,16 16
Total 100 1 100

7
 Les colonnes 2 (fréquences absolues) et 4 (pourcentages) contiennent les mêmes valeurs
car l’effectif total est égal à 100. Si celui-ci était différent de 100, les valeurs contenues
dans les deux colonnes seraient différentes.

3) Ratio, taux et indices : Un ratio est une fraction qui divise deux quantités. Les fréquences
relatives sont des ratios puisqu’elles divisent deux quantités. Plus généralement, les ratios
sont très utilisés en statistiques.

Exemple 1 : Soit la série de pièces défectueuses produites par 10 machines au cours d’une
semaine donnée.
{8, 16, 9, 33, 14, 5, 3, 7, 10, 7}

Le ratio du nombre de pièces défectueuses le plus élevé au nombre de pièces défectueuses

le plus faible est 33/3 = 11. La machine numéro 4 a donc produit 11 fois plus de pièces
défectueuses que la machine numéro 7.
Un taux est le ratio d’une quantité par unité (de temps, de surface, de poids, etc.)

Exemple 2 : Soit la série de pièces défectueuses produites par 10 machines au cours d’une
semaine donnée.
{8, 16, 9, 33, 14, 5, 3, 7, 10, 7}
Ces chiffres sont des taux car ils sont exprimés dans l’unité « semaine ». Cette unité est « 1
». On dit par conséquent 8 pièces par semaine, 16 pièces par semaine, etc.
Un indice est le ratio d’une quantité à une autre quantité qui sert de référence, multiplié par
100.

Exemple 3 : Soit la série de pièces défectueuses produites par 10 machines au cours d’une
semaine donnée de l’exemple 1. Divisons chacune des valeurs de la série par la valeur la
plus faible et multiplions ensuite chaque valeur par 100. Le résultat est une série d’indices,
la « base 100 » étant la machine numéro 7.
{266,7 ; 533,3 ; 300 ; 1100 ; 466,7 ; 166,7 ; 100 ; 233,3 ; 333,3 ; 233,3}.

G. Schéma récapitulatif

Le Schéma ci-dessous récapitule les différentes sortes de données que l’on rencontre en
statistique, en partant de la distinction fondamentale entre données qualitatives et données
quantitatives.

8
 Schéma : Différentes sortes de données statistiques

Chapitre II : Tableaux et graphiques

I. Introduction : Les Tableaux et graphiques constituent les deux moyens principaux de
présentation des données statistiques. Étant donné l'abondance des présentations tabulaires
et graphiques, nous n'étudierons ici que les principales.
II. Tableaux : Un tableau statistique est juste une liste de chiffres relative au caractère de la
population que l'on souhaite étudier, présentée de façon la plus compréhensible possible.
Les données peuvent être présentées individuellement, sous forme d'effectifs, de fréquences
ou de pourcentages et encore de bien d'autres façons.

A. Tableaux de données qualitatives : Le tableau (1) ci-dessous indique la répartition par

continent des utilisateurs d'Internet en 2005. Le caractère étudié est la répartition
continentale des utilisateurs d'Internet est qualitatif. Il a sept modalités, listées dans la
première colonne. La seconde colonne indique les effectifs, c'est-à-dire ici le nombre
d'utilisateurs d'internet dans chacune des zones. La dernière ligne, en caractères gras,
indique le total mondial.

Tableau 1 : Utilisateurs d'Internet par zones géographiques (Effectifs en mars 2005)

Zones géographiques (1) Effectifs en millions

Asie 302,2
Europe 259,6
Amérique du Nord 221,4
Amérique du Sud/Caraïbes 56,2
Moyen-Orient 19,3
Océanie/Australie 16,2
Afrique 13,4
Total 883,3

9
 On prendra soin de toujours indiquer la source des données, afin que l'utilisateur du tableau
puisse éventuellement s'y référer. Il est également important d'ajouter toute note utile pour la
compréhension des données. Dans l'exemple des zones géographiques, il peut être
nécessaire soit d'énumérer les pays qui figurent dans les zones, soit de référer à la source (à
condition qu'elle le fasse, ce qui est le cas ici, mais il faut le vérifier).
Remarquons que les données ont été classées, non par ordre alphabétique des zones (ce qui
est normalement le cas), mais par ordre croissant du nombre d'utilisateurs, ceci afin de faire
apparaître les zones où l'utilisation d'Internet est la plus répandue.
Ce tableau peut être complété de plusieurs façons, afin d'en faciliter l'analyse.
Premièrement, on peut présenter les chiffres en pourcentages, dans une seconde colonne,
afin de mieux apprécier la part de chaque zone dans le total des utilisateurs. C'est ce qui a
été fait dans le tableau ci-dessous (colonne 3).
Deuxièmement, la colonne (4) présente la somme cumulée des pourcentages, de façon à
mettre en évidence la contribution additionnelle de chaque zone ainsi que la concentration
des utilisateurs. On voit ainsi que les 3 premières zones (Asie, Europe et
Amérique du Nord) totalisent 88,7% des utilisateurs, les quatre autres zones (Amérique du
sud/caraïbes, Moyen-Orient et Océanie/Australie) ne représentent quant à elles que 100 -
88,7 = 11,3% des utilisateurs.

Tableau 2 : Utilisateurs d'Internet par zones géographiques

(Effectifs, pourcentages et pourcentages cumulés en mars 2005)

Zones géographiques (1) Effectifs en Pourcentages Pourcentages cumulés

millions
Asie 302,2 34,02 34,02
Europe 259,6 29,22 62,24
Amérique du Nord 221,4 24,92 88,17
Amérique du Sud/Caraïbes 56,2 6,33 94,49
Moyen-Orient 19,3 2,17 96,67
Océanie/Australie 16,2 1,82 98,49
Afrique 13,4 1,51 100
Total 883,3 100

Troisièmement, il est souvent nécessaire de présenter des données complémentaires, quand

elles sont disponibles, pour faciliter la compréhension des données principales. Ici, par
exemple, on peut souhaiter connaître les populations des zones concernées, ainsi que la
population mondiale, afin de rapporter le nombre d'utilisateurs d'internet à un indicateur des
utilisateurs potentiels.

Le tableau ci-dessous donne le nombre d'utilisateurs d'Internet en pourcentage de la

population de chaque zone, et la population mondiale de chaque zone en pourcentage de la
population mondiale totale. Le tableau fournit également, sur la dernière ligne, le multipliant
les pourcentages par les totaux de la colonne correspondante.

Par exemple, si l'on veut retrouver le nombre d'utilisateurs d'internet en Asie, il suffit
d'effectuer l'opération suivante :
10
 Nombre d'utilisateurs d'internet en Asie = (34,02/100) * 888,3 = 302,2
De même, si l'on veut retrouver la population d'Asie, il suffit d'effectuer l'opération
suivante :
Population d’Asie = (9,61/100) * 6411 = 3612.

Tableau 3 : Utilisateurs d'Internet et population exprimés pour chaque zone géographique en

pourcentage des totaux respectifs (Mars 2005)

Zones géographiques (1) Nombre Population de

d’utilisateurs chaque zone en
d’Internet en % de la % de la
population de population
chaque zone mondiale
Asie 34,02 9,61
Europe 29,22 11,48
Amérique du Nord 24,92 51,58
Amérique du Sud/Caraïbes 6,33 8,59
Moyen-Orient 2,17 4,07
Océanie/Australie 1,82 0,52
Afrique 1,51 14,14
Total (en millions) 883,3 6411

Cette présentation des données d'utilisateurs d'internet et de la population mondiale, ainsi

que des pourcentages qui en découlent, permet par exemple de faire apparaître que le
classement par zones des pourcentages d'utilisateurs d'internet n'est pas identique à celui du
classement par zones des pourcentages de la population mondiale. Par exemple, l'Afrique,
qui constitue le 3ème groupe en termes de pourcentage de population, se trouve en dernière
position pour ce qui est des utilisateurs d'internet. Inversement, l'Amérique du Nord, qui est
au dernier rang en termes de pourcentage de population, est au troisième rang des
utilisateurs d'Internet.

B. Tableaux de données quantitatives :

1) Variable quantitative discrète, valeurs connues individuellement :

Exemple : on interroge 100 ménages sur le nombre de pièces de leur logement. Le variable
« nombre de pièces » est quantitative et discrète (les valeurs sont dénombrables). En outre,
les valeurs, n'ayant pas été groupées, sont connues individuellement. On obtient le tableau
ci-dessous, où Xi représente le nombre de pièces et ni les effectifs correspondants :

11
 Tableau 4 : Nombre de pièces du logement (Xi)

Xi Effectifs (ni)
1 5
2 30
3 40
4 20
5 5

2) Variable quantitative discrète, valeurs regroupées :

Exemple : on interroge 100 ménages sur le nombre de pièces de leur logement. Le variable
« nombre de pièces » est quantitative et discrète (les valeurs sont dénombrables). Cette fois,
les valeurs ont été groupées. On obtient le tableau ci-dessous

Tableau 5 : Nombre de pièces du logement (Xi) Groupement par classes

Xi Effectifs (ni)
[1-3[ 35
[3-5] 65

Lorsque les données sont groupées, il faut porter attention aux crochets (les signes « [ » et
«] ») car ce sont eux qui indiquent si les valeurs limites sont incluses ou non dans la classe.
Par exemple, dans le tableau ci-dessus, le groupe [1-3[inclut les ménages dont le logement
n’a qu’une seule pièce (c’est le signe « [ ») qui marque l’inclusion, mais exclut les ménages
qui ont 3 pièces (c’est le signe « [ »).

La valeur « 3 » ayant été exclue du groupe [1-3[, elle sera nécessairement incluse dans le
groupe [3-5]. Cela correspond à la propriété évoquée dans le chapitre 1, d’après laquelle les
modalités d’un caractère (ici les valeurs d’une variable) sont exhaustives et incompatibles.

3) Variable quantitative continue, valeurs connues individuellement :

Exemple : on dispose d’un échantillon de 122 réponses d’étudiants à la question «A quel
âge avez-vous obtenu votre bac ? ». Bien qu’il s’agisse d’une variable quantitative
continue, les données sont présentées par âge et non par groupe d’âge. On a donc le tableau
ci-après :

Tableau 6 : Âge d’obtention du bac (Xi) Groupement par valeurs

Xi 16 17 18 19 20 21 22
ni 5 25 45 20 15 8 4

4) Variable quantitative continue, données groupées :

Exemple 1 : on dispose d’un échantillon de 122 réponses d’étudiants à la question «A quel
âge avez-vous obtenu votre bac ? ». Cette fois, les données sont présentées par groupe d’âge.

12
 Tableau 7 : Âge d’obtention du bac (Xi) Groupement par classes

Xi Effectifs (ni)
[16-18[ 30
[18-20[ 80
[20-22] 12

III. Représentations graphiques :

1) Données individuelles : Lorsque l’on veut représenter graphiquement toutes les unités
statistiques d’une population à un caractère ou à une variable, on dispose de deux graphiques :
la ligne et le graphique dit « tige et feuilles » (de l’anglais « stem and leaf »).
a) La ligne : Exemple 1 : Soit la série de chiffres : {8, 2, 3, 7, 4} où aucune unité n’a la même
valeur. On obtient alors la représentation graphique suivante quand les unités statistiques
sont peu nombreuses et connues individuellement et non répétées. :

Figure 1 : Représentation graphique en ligne.

Exemple 2 : Soit la série de chiffre où le 7 et le 2 sont répétés 2 fois : {8, 2, 3, 7, 4, 7, 2}

On obtient alors la représentation graphique suivante quand les unités statistiques sont peu
nombreuses et connues individuellement mais répétées.

Figure 2 : Représentation graphique.

b) Le graphique « tige et feuilles » : Ce graphique très original consiste à empiler des unités
en conservant leur identification (un numéro, un nom, etc.). De cette façon, aucune donnée
initiale n’est absente du graphique et chacune peut facilement être repérée.
Exemple 1 : Soit 20 personnes, repérées par un numéro de 1 à 20, à qui des notes allant de 0
à 5 ont été attribuées.
Notes = {{0, 12}, {0, 14}, {1, 7}, {1, 9}, {1, 13}, {1, 18}, {2, 4}, {2, 8}, {2, 11}, {2, 15},
{2, 16}, {3, 17}, {3, 12}, {4, 5}, {4, 6}, {4, 20}, {5, 3}, {5, 19}}

13
 Dans chaque couple de données, le premier chiffre correspond à la note (de 0 à 5), c’est la «
tige » et le second sert à identifier la personne par un numéro allant de 1 à 20, c’est « les
feuilles ». La représentation tiges et feuilles donne la figure 3.

Figure 3 : Diagramme « tige et feuilles »

2) Données groupées par modalités ou valeurs : Que les données soient regroupées par
modalité, comme c’est le cas pour les groupements qualitatifs, ou par valeurs, comme c’est
le cas pour les groupements quantitatifs, on dispose de nombreuses représentations
graphiques. Nous limiterons notre présentation aux plus connues, à savoir : le diagramme en
bâtons, le diagramme en barres et le nuage de points, de l’anglais « scatter plot ».

a) Diagramme en bâtons : Le diagramme en bâtons des effectifs (respectivement des

fréquences) d'une distribution statistique discrète est constitué d'une suite de segments verticaux
d'abscisses xi dont la longueur est proportionnelle à l'effectif (respectivement la fréquence) de xi.
c’est-à-dire on porte fi (ou ni) en fonction de xi.

Exemple 1 : On interroge 10 personnes sur leurs préférences concernant les 4 produits A, B, C,

D. Chaque personne doit choisir seulement un produit. On obtient les résultats groupés suivants :
{{A, 4}, {B, 4}, {C, 1}, {D, 1}}.
Dans chaque couple de données, le premier chiffre correspond au produit (A, B, C, D) et le
second correspond au nombre de personnes qui ont choisi ce produit. La figure 4 (a) illustre le
résultat.
Si le regroupement se fait par valeur, on a par exemple les couples : {{1, 4}, {2, 4}, {3, 1}, {4,
1}}
Où le premier chiffre de chaque couple correspond par exemple au nombre d’enfants. On
obtient alors le graphique de la figure 4(b).

14
 Figure 4 : Diagrammes en bâtons

b) Polygone des effectifs ou des fréquences : Le polygone des effectifs (respectivement des
fréquences) d'une distribution statistique discrète est obtenu à partir du diagramme en bâtons
des effectifs (respectivement des fréquences) en joignant par un segment les sommets des
bâtons.

c) Polygone des effectifs (respectivement fréquences) cumulés : En remplaçant dans la

définition précédente le mot effectifs (respectivement fréquences) par effectifs cumulés
(respectivement fréquences cumulées), nous obtenons le polygone des effectifs cumulés
(respectivement des fréquences cumulées).

Exemple1 : statistique du personnel d’une entreprise d’après le nombre d’enfants à charge.

Nombre Effectif Fréquence Effectifs Effectifs

d’enfants (ni) (fi) cumulés cumulés
à charge croissants décroissants
(xi)

0 4 0,05 0,05 0,0125

1 15 0,1875 0,2375 0,0625
2 29 0,3625 0,6 0,25
3 18 0,225 0,825 0,6125
4 10 0,125 0,95 0,8375
5 3 0,0375 0,9875 0,9625
6 1 0,0125 1 1
Total 80

Exemple2 : Représentez la distribution statistique discrète ((1,2), (2,3), (3,4), (4,1), (5,6),
(6,5), (7,2), (8,3), (9,1), (10,1)) :

1. A l'aide du diagramme en bâtons des effectifs ;

2. En superposant le diagramme en bâtons et le polygone des fréquences ;
3. En superposant le diagramme en bâtons et le polygone des effectifs cumulés.

15
 Solution
1. La figure 1 correspond au diagramme en bâtons des effectifs.
2. La figure 2 a été obtenue en superposant le diagramme en bâtons et le polygone des
fréquences.
3. La figure 3 a été obtenue en superposant le diagramme en bâtons et le polygone des
effectifs cumulés.

3. Représentations graphiques pour une distribution statistique groupée

3.1 Histogramme : L'histogramme est la représentation graphique d'une distribution

statistique groupée.
Deux cas se distinguent :

a) Dans le cas où les amplitudes des classes sont égales, cet histogramme est constitué d'un
ensemble de rectangles dont la largeur est égale à a, l'amplitude de la classe, et la hauteur
égale à K × nj où nj est l'effectif de la classe et K est un coefficient arbitraire (choix d'une
échelle), de sorte que l'aire totale sous l'histogramme est égale à K × N × a où N est
l'effectif total.

16
 b) Dans le cas de classes d'amplitudes kj × a inégales, multiples entiers de l'une d'entre elles
a, nous convenons, pour conserver le résultat précédent, de prendre pour hauteur du
rectangle de la classe numéro j le quotient (K × nj )/kj.

3.2 Polygone des effectifs ou des fréquences : Le polygone des effectifs ou des fréquences d'une
distribution statistique groupée est obtenu en joignant dans l'histogramme de cette distribution les
milieux des côtés horizontaux supérieurs.

3.3 Polygone des fréquences cumulées : Le polygone des fréquences cumulées d'une
distribution statistique groupée est la représentation graphique de la fonction définie sur chaque
intervalle.

Application : Représentez la distribution statistique groupée suivante ((]1,3],4), (]3,4],8),

(]4,5.5],10), (]5.5,6],14), (]6,8],20), (]8,10],12), (]10,11],9), (]11,12.5],3)) :

1. A l'aide d'un histogramme des fréquences ;

2. En superposant l'histogramme des fréquences et son polygone des fréquences ;
3. A l'aide du polygone des fréquences cumulées.

Solution
1. L'histogramme des fréquences demandé est la figure 4.
2. La figure 5 superpose l'histogramme des fréquences et le polygone des fréquences.
3. Nous obtenons le polygone des fréquences cumulées à la figure 6.

17
 Chapitre III : Les caractéristiques de tendance centrale
(Les indicateurs de tendance centrale et de position)

III.1 Introduction : Qu’elles soient non groupées ou au contraires groupées par valeurs ou par
classes, les variables quantitatives peuvent être utilement résumées par des caractéristiques
privilégient les valeurs principales de la distribution, au détriment par exemple de ceux qui
caractérisent la dispersion ou la concentration des valeurs d’une série. Ces valeurs centrales sont
les moyennes, la médiane et le mode. Nous exposerons leur mode de calcul et leur signification
en distinguant pour chacune d’elles le cas des données non groupées et le cas des données
regroupées (soit par valeurs, soit par classes).

III.2 LES MOYENNES :

A. La moyenne arithmétique
1) La moyenne arithmétique simple : On appelle moyenne arithmétique la somme de
toutes les données statistiques divisée par le nombre de ces données. La moyenne
arithmétique conserve la somme totale des valeurs observées : si on modifie les valeurs
de deux observations d’une série statistique tout en conservant leur somme, la moyenne
de la série sera inchangée.

18
 𝑛
1
𝑋̅ = ∑ 𝑋𝑖
𝑛
𝑖=1

Exemple1 : Soit la série de chiffres {8, 5, 9, 13, 25}. La moyenne arithmétique de cette
série de chiffres se calcule ainsi :
1 60
𝑋̅ = (8 + 5 + 9 + 13 + 25) = = 12
5 5

2) La moyenne arithmétique pondérée : Bien entendu, si une valeur xi de X est observée

ni fois, comme : xi + xi + … + xi = ni*xi, la formule précédente devient :
𝑛 𝑛
1
𝑋̅ = ∑ 𝑛𝑖 𝑋𝑖 = ∑ 𝑓𝑖 𝑋𝑖
𝑛
𝑖=1 𝑖=1

Exemple 2 : Soit la série de chiffres {8, 13, 5, 8, 5, 9, 13, 25, 13, 9}. Certains chiffres,
comme le 8, le 9 ou le 13 sont répétés. On peut simplifier la présentation en regroupant les
données par valeurs (voir le tableau ci-après). La troisième ligne est le produit des deux
premières. En effet, on a par exemple :

Tableau 1 : Calcul de la moyenne arithmétique pondérée

Xi ni ni*Xi
5 2 10
8 2 16
9 2 18
13 3 39
25 1 25
Total 10 108

La moyenne pondérée se calcule alors en faisant la somme pondérée c’est-à-dire la somme des
niXi et en divisant par n. Elle est égale à :

1 108
𝑋̅ = (5 ∗ 2 + 8 ∗ 2 + 9 ∗ 2 + 13 ∗ 3 + 25 ∗ 1) = = 10,8
10 10
Exemple 3 : Soit la série de chiffres {8,13,5,8,5,9,13,25,13,9,35,44,54,28}. Supposons que l’on
regroupe les valeurs en 3 catégories comme dans le tableau ci-dessous. Dans ce cas, il faut calculer
le centre de chaque classe, Ci, c’est-à-dire la somme des extrémités de classe divisée par 2 et
appliquer la formule de la moyenne pondérée.

Tableau 2 : Calcul de la moyenne arithmétique quand les valeurs sont groupées par classes

Classes ni ci ni*ci

[5-13[ 6 9 54
[13-28[ 3 20,5 61,5
[28-54[ 5 41 205
Total 14 320,5

19
On applique la formule précédente, mais en remplaçant Xi par Ci.
𝑛
1
𝑋̅ = ∑ 𝑛𝑖 𝐶𝑖
𝑛
𝑖=1

Dans notre exemple, on a donc :

1 320,5
𝑋̅ = (6 ∗ 9 + 3 ∗ 20,5 + 5 ∗ 41) = =22,8928571
14 14

Signification de la moyenne : Pour l’exemple 1, Construisons un tableau avec pour première

colonne la série de chiffres et pour seconde colonne l’écart de chacun des chiffres à la moyenne que
nous venons de calculer ( 𝑋̅ = 12) :

Tableau 3 : La somme des écarts à la moyenne est nulle

Xi ni ni*Xi Xi- 𝑋̅
5 1 5 -7
8 1 8 -4
9 1 9 -3
13 1 13 1
25 1 25 13
𝑛
Total 5 60
∑(𝑋𝑖 − ̅̅̅
𝑋) = 0
𝑖=1

Quand on soustrait la moyenne arithmétique à chacun des chiffres de la série, on observe la

propriété suivante :

1) La somme des écarts à la moyenne est nulle : (-4)+(-7)+(-3)+(+1)+(+13)=0

2) Ou, ce qui revient au même, mais est plus imagé, la somme des écarts positifs est égale à la
somme des écarts négatifs, au signe près.

En valeur absolue, la somme des écarts négatifs est égale à la somme des écarts positifs.

B. La moyenne quadratique

1) La moyenne quadratique simple : Formule générale de la moyenne quadratique simple : Soient

{x1, x2,………..xn} une série de chiffres. La formule de la moyenne quadratique simple de cette
série est donnée par :

20
 n
1
Q = √ ∑ xi2
n
i=1

Exemple 1 : Soit la série de chiffres {-4, -2, 0, 2, 4}. Si l’on calcule la moyenne arithmétique
simple on obtient zéro.

Parfois, on souhaite obtenir une caractéristique de tendance centrale ayant une valeur positive là où
le calcul de la moyenne arithmétique simple aurait donné zéro. On calcule alors la moyenne
quadratique simple en additionnant le carré de toutes les valeurs de la série et en prenant la racine
carrée du total. Autrement dit, dans notre exemple :

(−4)2 + (−2)2 + (0)2 + (2)2 + (4)2 40

𝑄=√ = √ = √8 = 2,83
5 5

2) La moyenne quadratique pondérée : Soit {x , x , ….,x } une série de chiffres et {n1,n2 , ….,nh }
les effectifs correspondants. La formule de la moyenne quadratique pondérée de cette série est
donnée par :

ℎ
1
𝑄 = √ ∑(𝑛𝑖 . 𝑥𝑖2 )
𝑛
𝑖=1

Exemple 2 : Soit le tableau ci-dessous :

Tableau 4 : Calcul de la moyenne quadratique pondérée

Xi 25 8 4 12
ni 10 16 25 20

Il suffit de rajouter deux colonnes, une pour xi2 et pour ni.xi2.

Tableau 5 : Calcul de la moyenne quadratique pondérée

Xi ni Xi2 ni. Xi2

25 10 625 6250

8 16 64 1024

4 25 16 400

12 20 144 2880

21
1) En appliquant la formule précédente on obtient :
10554
2) 𝑄 = √ = 12,1921
71
3) Lorsque les valeurs sont regroupées en classes, il faut calculer les centres de classes et appliquer
ensuite la formule précédente en remplaçant xi par ci.

C. La moyenne géométrique
1) La moyenne géométrique simple : Soit {x1, x2, ….,xn} une série de chiffres. La formule
de la moyenne géométrique simple de cette série est donnée par :
1
𝑛 𝑛
𝐺 = [∏ 𝑥𝑖 ]
𝑖=1

Exemple : Soit la série de chiffres {8, 5, 9, 13, 25}. La moyenne géométrique de cette série est
égale à :
1 5
𝐺 = [8.5.9.13.25]5 = √117000 = 10,32

2) La moyenne géométrique pondérée : Soit {x1, x2, ….,xh} une série de chiffres et {n1,n2,
….,nh} les effectifs correspondants. La formule de la moyenne géométrique pondérée de
cette série est donnée par :
1
ℎ 𝑛
𝑛
𝐺 = [∏ 𝑥𝑖 𝑖 ]
𝑖=1

Exemple : Soit les chiffres du tableau 3. Pour calculer la moyenne géométrique pondérée, on
peut passer par les logarithmes népériens (ln) :

1
𝐺 = [2510 816 425 1220 ]71
1
𝑙𝑛𝐺 = [10𝑙𝑛25 + 16𝑙𝑛8 + 25𝑙𝑛4 + 20𝑙𝑛12]
71
G = 8,2488

D. La moyenne harmonique
1) La moyenne harmonique simple : Soit {x1,x2, …., xn} une série de chiffres. La formule de
la moyenne harmonique simple de cette série est donnée par :
𝑛
𝐻=
1
∑𝑛𝑖=1
𝑥𝑖

Exemple : Soit la série de chiffres {8, 5, 9, 13, 25}. La moyenne harmonique de cette série
est égale à :

22
 5
𝐻= = 9,041
1 1 1 1 1
8 + 5 + 9 + 13 + 25
2) La moyenne harmonique pondérée
Exemple : Soit les chiffres du tableau 4 Soit {x1,x2, …., xh} une série de chiffres et {n1,n2,
….,nh} les effectifs correspondants. La formule de la moyenne harmonique pondérée de
cette série est donnée par :

𝒏
𝑯= 𝒏𝒊
∑𝒉𝒊=𝟏
𝒙𝒊
Exemple 1 : Soit les chiffres du tableau 3. Pour calculer la moyenne harmonique pondérée,
on applique la formule précédente.

71
𝐻= = 6,882
10 16 25 10
+ + 4 + 12
25 8

Exemple 2 : Une petite usine abrite 2 machines. La première machine a produit 500 pièces
à la vitesse de 100 pièces par heure. Une seconde machine a produit 300 pièces à la vitesse
de 60 pièces par heure. Calculer la vitesse moyenne (exprimée en nombre de pièces par
heure) de production dans l'usine.
Vitesse moyenne = nombre total de pièces produites/nombre d'heures de production. La
première machine a produit 500 pièces en (500/100) heures (5 heures) La seconde machine
a produit 300 pièces en (300/60) heures (5 heures). La vitesse moyenne est donc donnée
par :
800
𝑉𝑖𝑡𝑒𝑠𝑠𝑒 𝑚𝑜𝑦𝑒𝑛𝑛𝑒 = = 80 𝑝𝑖è𝑐𝑒𝑠/ℎ𝑒𝑢𝑟𝑒
500 300
100 + 60

III.3 LA MEDIANE : La médiane d’une série est la valeur qui partage cette série, préalablement
classée, en deux séries aux effectifs égaux. Dans la première série, on trouve les valeurs inférieures
à la médiane. Dans la seconde série on trouve les valeurs supérieures à la médiane.

La médiane ne se calcule que pour les données quantitatives et son mode de calcul dépend du type
de données. On distinguera quatre cas :

 Les séries non groupées dont l’effectif est impair et où aucune valeur n’est répétée,
 Les séries non groupées dont l’effectif est pair et où aucune valeur n’est répétée,
 Les séries groupées par valeurs,
 Les séries groupées par classes de valeurs.

23
 A. Calcul de la médiane : effectif impair et aucune valeur n'est répétée

C’est le cas idéal, celui qui permet le mieux de comprendre c’est qu’est la médiane.

Exemple : Soit la série de 5 chiffres suivants : {8, 5, 9, 13, 25}

Pour trouver la médiane, il faut :

a) Classer la série par ordre croissant des valeurs {5, 8, 9, 13, 25}

b) Localiser la valeur qui partage l’effectif total en deux sous effectifs égaux en appliquant
la formule (n+1)/2, c’est-à-dire ici (5+1)/2=3. La troisième valeur de la série est le 9.

On vérifie qu’il y autant de valeurs inférieures à la médiane qu’il y a de valeurs supérieures à

la médiane. L’effectif total est bien partagé en deux parties égales.

B. Calcul de la médiane : effectif pair et aucune valeur n’est répétée

Quand l’effectif est pair, la médiane n’est pas une valeur de la série. Il faut le calculer.

Exemple : Soit la série des 8 chiffres suivants : {13, 1, 9, 10, 2, 4, 12,7}

Pour trouver la médiane, il faut :

a) Classer la série par ordre croissant des valeurs {1, 2, 4, 7, 9, 10, 12, 13}

b) Appliquer la formule (n+1)/2, c’est-à-dire ici (8+1)/2=4,5. Ceci nous indique que
l’intervalle médian est constitué par les 4èmes et la 5ème valeur. La médiane est donc égale
à la moyenne arithmétique simple de ces deux valeurs : Me= (7+9)/2=8

On vérifie qu’il y autant de valeurs inférieures à la médiane qu’il y a de valeurs supérieures à

la médiane. L’effectif total est bien partagé en deux parties égales.
𝑋𝑛+1
Remarque : La médiane est simplement la valeur qui se trouve au milieu : 𝑀𝑒 = 2
1
Si n est pair, on prend la moyenne des deux valeurs du milieu : 𝑀𝑒 = (𝑋 + 𝑋 𝑛 𝑛
+1 )
2 2 2
Avec les données du tableau ci-après,
1 1 1
𝑀𝑒 = 2 (𝑋𝑛 + 𝑋𝑛+1 ) = (𝑋13 + 𝑋14 ) = (4 + 4) = 4
2 2 2 2
notes élèves
Observation
valeurs effectifs (ni)
1 0 1
2 1 1
3 2 2
4 3 5
5 4 7
6 5 8
7 6 2
Total 26

24
 On trie tout d'abord les n valeurs par ordre croissant : 0 1 2 2 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5 5 5
5 5 5 6 6.

C. Calcul de la médiane : effectifs groupés par valeurs

Dans ce cas, la procédure ne permet pas toujours de partager l’effectif total en deux parties égales.

Exemple : Dans le tableau 6 ci-dessous, les valeurs de la variable X ont déjà été classées. La
troisième colonne est celle des effectifs cumulés fc et la quatrième est celle des fréquences relatives
fr . La cinquième colonne du tableau est celle des fréquences relatives cumulées frc.

Tableau 6 : Calcul de la médiane quand les données sont groupées par valeurs

xi fi fc fr frc
2 2 2 0,067 0,067
8 3 5 0,100 0,167
9 4 9 0,133 0,300
10 4 13 0,133 0,433
11 5 18 0,167 0,600
12 3 21 0,100 0,700
13 6 27 0,200 0,900
15 1 28 0,033 0,933
18 2 30 0,067 1

Pour déterminer la médiane, on repère 0,5 dans la colonne des fréquences relatives cumulées (frc) ou
bien n/2 dans la colonne des effectifs cumulés (fc). On choisit ensuite la valeur frc égale ou
immédiatement supérieure à 0,5 (ou la valeur (fc) égale ou immédiatement supérieure à n/2) et l’on
suit le sens des flèches comme indiqué sur le tableau 5. Dans notre exemple, il n’y a pas de valeur
(frc) égale à 0,5, la valeur immédiatement supérieure à 0,5 est 0,6 (et la valeur immédiatement
supérieure à

n/2=30/2=15 est 18). Par conséquent, en suivant les flèches, on remonte à la valeur qui correspond à
la médiane, soit 11. On remarque alors que la médiane ne sépare pas l’effectif en deux parties
égales. En effet, il y a 13 valeurs qui sont inférieures à 11 (soit 43,3% de l’effectif) et 12 valeurs qui
sont supérieures à 11 (soit 40% de l’effectif). En outre, que faire des 5 valeurs qui sont exactement
égales à 11 (16,6% de l’effectif total). Faut-il les compter dans l’effectif des valeurs inférieures à la
médiane ou dans l’effectif des valeurs supérieures à la médiane ? Il n’y a pas de réponse à cette
question, chacun fait comme il l’entend (1).

Détermination graphique. La ci-dessous illustre la détermination de la médiane à partir à partir de

(fc), la courbe cumulative des effectifs. Cette courbe « en escalier » a pour ordonnée les effectifs
dont la valeur est strictement inférieure à xi. Par exemple, l’effectif des valeurs strictement
inférieures à 11 est égal à 13. De même, l’effectif des valeurs strictement inférieures à 12 est égal à
18.

25
 Pour trouver la médiane, il faut localiser n/2=30/2=15 sur l’axe des ordonnées, puis tracer une
flèche horizontale jusqu’au point M. Une fois au point M, il faut tracer une flèche verticale en
direction de l’abscisse. On lit alors la valeur de la médiane qui, dans notre exemple, est égale à 11.

Figure 1 : Détermination graphique de la médiane à partir de la courbe cumulative des effectifs

Pour trouver la médiane, il faut localiser n/2=30/2=15 sur l’axe des ordonnées, puis tracer une
flèche horizontale jusqu’au point M. Une fois au point M, il faut tracer une flèche verticale en
direction de l’abscisse. On lit alors la valeur de la médiane qui, dans notre exemple, est égale à 11.

D. Calcul de la médiane : effectifs groupés par classes de valeurs

Dans ce cas, le calcul de la médiane nécessite d’appliquer la formule suivante :

𝑛
[2 − 𝑁(𝑥𝑖−1 )]
𝑀𝑒 = 𝐿1 + 𝐶.
𝑛𝑖
L1 : Borne inférieure de la classe médiane.
N (xi-1) : Effectif cumulé strictement inférieur à xi [somme des effectifs des classes inférieurs à la
médiane].
C : Amplitude de la classe médiane

Exemple : Dans le tableau 7 ci-dessous, les valeurs de la variable X du tableau 6 ont été groupées
par classes de valeurs d’amplitudes égales (la procédure est la même si les classes sont d’amplitudes
inégales).

26
 Tableau 7 : Valeurs groupées par classes de valeurs d’amplitude égales

Xi ni N(Xi)
[0-5[ 2 2
[5-10[ 7 9
[10-15[ 18 27
[15-20[ 3 30

Appliquons la formule précédente en l’interprétant par rapport à la figure 2 qui représente le cumul
des ni en ordonnée [soit N (xi)] et xi en abscisse :

[15−9)]
𝑀𝑒 = 10 + 5. =11,666
18

Figure 2 : Histogramme des effectifs cumulés

III.4 LE MODE : Le mode d’une série est la valeur la plus fréquente de cette série. Une série peut
avoir plusieurs modes. Le calcul dépend du type de données. Prenons quelques exemples.

A – Calcul du mode : série simple, aucune valeur n'est répétée

Exemple : Soit la série de chiffres {8, 5, 9, 13, 25}. Il n’y a pas de mode car chaque valeur n’est
répétée qu’une fois (la fréquence de chaque valeur est égale à 1).

B – Calcul du mode : effectifs groupés par valeurs

Exemple : Soit la série de chiffres {8, 8, 8, 7, 4, 4, 4, 4, 4, 5, 5, 5, 5, 6}. La valeur la plus fréquente

est le 4. Un diagramme en bâtons comme celui de la figure 3 permet de confirmer que le 4 apparaît
5 fois. C’est donc la valeur modale.

27
 Figure 3 : Détermination de la valeur modale

C – Calcul du mode : effectifs groupés par classes d'amplitudes égales

Exemple : Soit le tableau 7 où des données sont présentées par classes d’amplitudes égales.
Dans ce cas, pour calculer le mode, il faut appliquer la formule suivante :

𝑖𝑛𝑓 𝑑1
𝑀𝑜𝑑𝑒 = 𝑥𝑖 + 𝑎.
𝑑1 + 𝑑2
inf
xi Borne inférieure de la classe modale ; a = Amplitude de classe ;
d1 = ni –ni-1 et d2 = ni –ni+1.

Appliquons la formule précédente en l’interprétant par rapport à la figure 4 qui représente

l’histogramme correspondant au tableau 6 (en ordonnée on a les ni et en abscisse on a les classes de
valeurs d’amplitudes égales).

Figure 4 : Calcul du mode quand les classes sont d’égales amplitudes

28
 11
𝑀𝑜𝑑𝑒 = 10 + 5. = 12,115
11 + 15

D–Calcul du mode : effectifs groupés par classes d‘amplitudes inégales

Exemple : Soit le tableau 8 où des données sont présentées par classes d’amplitudes inégales.

Tableau 8 : Valeurs groupées par classes de valeurs d’amplitudes inégales

xi ni ai hi =ni/ai
[0-10] 9 10 0,9
[10-12] 9 2 4,5
[12-20] 12 8 1,5

Dans ce cas, pour calculer le mode, il faut appliquer la formule précédente, mais la définition de d1
et de d2 change, car il faut remplacer les effectifs ni par les amplitudes corrigées hi =ni/ai. On a donc,
en suivant par rapport à la figure 5 qui représente l’histogramme correspondant au tableau 8 (en
ordonnée on a les ni/ai et en abscisse on a les classes de valeurs d’amplitudes inégales).

Figure 5 : Calcul du mode quand les classes sont d’inégales amplitudes

3,6
𝑀𝑜𝑑𝑒 = 10 + 2. = 11,09
3,6 + 3

29
 Chapitre IV : Dispersion et concentration

IV.1 Introduction : En complément du chapitre précédent qui étudiait les caractéristiques de

tendance centrale d’une distribution, le présent chapitre s’intéresse à la variabilité des données au
sein d’une série. Ainsi, une fois la moyenne connue, on peut compléter la connaissance d’une série
pour apprécier dans quelle mesure les données sont dispersées ou au contraire concentrées autour
de la moyenne.
Les caractéristiques de dispersion et/ou de concentration sont nombreuses. Nous étudierons ici les
plus fréquemment utilisées : l’intervalle de variation, la variance, l’écart type, le coefficient de
variation, les intervalles interquartiles et inter-déciles et l’écart médiale-médiane.

IV.2 l’intervalle de variation : L’intervalle, ou « spread » c’est la différence entre la plus grande
valeur et la plus petite valeur de la variable.

Étendue : L’étendue, notée e(x), est la différence entre la plus grande et la plus petite des
valeurs prises, donc e(x) = max(x) − min(x).

Exemple1 : soit deux élèves dont les notes dans quatre matières ont été les suivantes :

Élève A : {8, 9, 10, 11, 12}. Élève B : {2, 4, 16, 18}

L’étendue des notes de A est 12-8 = 4, tandis que l’étendue des notes de B est 18 – 2 = 16. On
notera pourtant que la moyenne des deux élèves est de 10. Mais B a des notes beaucoup plus
dispersées que A. En fait, si on fait le rapport 16/4, on voit que les notes de B sont 4 fois plus
dispersées que celles de A.

Cet exemple montre l’utilité de l’intervalle de variation pour avoir une première idée de la
dispersion. Mais l’indicateur est assez limité, car il est trop sensible aux valeurs extrêmes comme le
montre l’exemple ci-après.

Exemple2 : soit la série suivante {1016, 774, 1008, 8, 1001, 999, 1100}

Il est commode de classer les chiffres par ordre croissant :

{8, 774, 999, 1001, 1008, 1016, 1100}

L’intervalle de variation est donc donné par IV = 1100 – 8 = 1092. On constate que la valeur de
l’intervalle de variation est exagérément augmentée par la présence du chiffre 8.

IV.3 L’intervalle interquartile : L’intervalle interquartile est une mesure de la variation qui n’est
pas influencée par les valeurs extrêmes, contrairement à l’intervalle de variation. Sa définition
est simple : l’intervalle interquartile mesure l’étendue des 50% de valeurs situées au milieu
d’une série de données classées.

30
Il se calcule en procédant aux quatre étapes suivantes :
 Classement des données de la série par ordre croissant.
 Trouver la médiane de la série pour séparer celle-ci en deux séries : la première série
contient les données inférieures à la médiane et la seconde les données supérieures à la
médiane.
 Déterminer la médiane des deux nouvelles séries, sans inclure dans aucune d’elle la
médiane de la série initiale. La médiane de la première série est appelée « premier
quartile » et désigné par Q1. La médiane de la seconde série est appelée « second
quartile » et désigné par Q3.
 Calculer IQ, l’intervalle interquartile par la formule :

IQ = Q3-Q1

Les figures 1-a et 1-b, ainsi que les quatre exemples ci-après illustrent les notions de
quartiles et d’intervalle interquartile dans le cas de données groupées (1-a) ou non groupées
(1-b).

Figure 1 : La notion d’intervalle interquartile

Remarque : Étendue interquartile : L’étendue interquartile, notée EIQ(x), est la différence

entre les quartiles Q0,75(x) et Q0,25(x), donc EIQ(x) = Q0,75(x) − Q0,25(x) .

Exemple 1 : soit la série de chiffres suivants, où aucune valeur n’est répétée. Le nombre de
chiffres est impair.
{4, 19, 17, 7, 1, 3, 9, 14, 12, 20, 16, 15, 11, 6,5}

1) Afin de déterminer l’intervalle interquartile, classons d’abord les données de la plus

petite à la plus grande. {1, 3, 4, 5, 6, 7, 9, 11, 12, 14, 15, 16, 17, 19, 20}

2) Déterminons la médiane et séparons la série en deux « sous-séries » :

31
 3) Déterminons ensuite la médiane de chacune de ces deux nouvelles séries.

4) Il reste plus qu’à calculer l’intervalle interquartile : IQ =Q3-Q1 =16-5 =11

Figure 2 : L’intervalle interquartile données non groupées, effectif impair

Remarque : Dans ce cas, particulier, la médiane est égale à 11 et l’intervalle interquartile a aussi
pour valeur le chiffre 11. Mais c’est un hasard.

Exemple 2 : soit la série de chiffres suivants, où aucune valeur n’est répétée. Cette fois, le nombre
de chiffres est pair. {4, 19, 17, 7, 1, 3, 9, 14, 12, 20, 16, 15, 11, 6}.

1) Afin de déterminer l’intervalle interquartile, classons d’abord les données de la plus petite à
la plus grande. {1,3,4, 6,7,9,11,12,14,15,16,17,19,20}
2) Déterminons l’intervalle médian, puis la médiane et séparons la série en deux séries. Ici,
(n+1)/2= (14+1)/2=7,5. L’intervalle médian est donc constitué par la 7ème et la 8ème valeur,
c’est-à-dire [11-12]. Et la médiane (11+12)/2=11,5.

{ 1,3,4,6,7,9,11 ,11,5, 12,14,15,16,17,19,20 }

1ère série 2ème série

3) Déterminons ensuite la médiane de chacune de ces deux nouvelles séries

{1, 3,4, 6, 7, 9,11} {12, 14,15, 16, 17, 19,20}
Q1 Q3

32
 4) Il reste plus qu’à calculer l’intervalle interquartile : IQ =Q3-Q1 =16-6 =10

Figure 3 : L’intervalle interquartile données non groupées, effectif pair

Exemple 3 : Soit le tableau suivant, où les valeurs de l’exemple précédent ont été
regroupées par classes.

Tableau 1

1) Afin de déterminer l’intervalle interquartile, ajoutons une ligne pour les effectifs cumulés.

Tableau 2

2) Déterminons la médiane de la série par la méthode étudiée dans le chapitre précédent dans le
cas des données groupées par classe. Il faut d’abord déterminer la classe médiane, qui est ici
[8-12[. Il n’est pas nécessaire de connaître la valeur exacte de la médiane pour séparer les
deux séries, mais calculons-là quand même en appliquant la formule étudiée au chapitre 3
pour le calcul de la médiane quand les données sont groupées par classe :
𝑛
[2 − 𝑁(𝑥𝑖−1 )]
𝑀𝑒 = 𝐿1 + 𝐶.
𝑛𝑖
[13,5−12]
𝑀𝑒 = 8 + 4. = 9,2
5

33
 3) La classe médiane [8-12[permet de diviser le tableau en deux. Calculons les médianes
respectives de chacun de ces tableaux :

Tableau 3

4) Il reste plus qu’à calculer l’intervalle interquartile : IQ =Q3-Q1 =15,3-5 =10,3

IV.4 Variance, écart-type et coefficient de variation : La variance, l’écart-type et le coefficient de

variation sont les indicateurs les plus fréquemment utilisés pour mesurer la dispersion d’une série.
Ces indicateurs renseignent sur la dispersion des données autour de la moyenne. Plus les données
sont concentrées autour de la moyenne, plus les valeurs de ces trois indicateurs sont faibles.
Inversement, plus les données sont dispersées autour de la moyenne, plus ces trois indicateurs sont
élevés.

A. La variance : la variance est la moyenne des carrés des écarts à la moyenne.

Soit une série de valeurs d'une variable X : {x1, x2,…….,xk}. Soit les effectifs associés : {n1,
n2,…….,nk}. La variance de cette série s'écrit :

1
 Si l'effectif considéré est celui d'une population : 𝜎 2 = ∑𝑘𝑖=1 𝑛𝑖 (𝑥𝑖 − 𝑥̅ )2 (1)
𝑛
1
 Si l'effectif considéré est celui d'un échantillon : 𝜎 2 = ∑𝑘𝑖=1 𝑛𝑖 (𝑥𝑖 − 𝑥̅ )2 (2)
𝑛−1

Remarque :
1
 La formule (1) sera utilisée par la suite avec k =n. 𝜎 2 = ∑𝑛𝑖=1 𝑛𝑖 (𝑥𝑖 − 𝑥̅ )2 (3)
𝑛
 Lorsque les données sont connues individuellement ou qu’elles ne se répètent pas, c’est la formule
(3) qui s’applique. En revanche, lorsque les données sont groupées par valeurs, c’est la formule (1)
qui s’applique. Enfin, lorsque les données sont groupées par classe, c’est le centre de classe Ci, qui
remplace Xi.

34
 Exemple1 : soit la série {2, 5, 7, 1, 9, 13, 6, 15, 8, 16}

 La formule (1) peut aussi être calculée suivant la méthode précédente. Toutefois, pour faciliter les
calculs, il est préférable d’utiliser la formule dite « développée ». On montre en effet que la formule
(1) peut s’écrire :
1 1
𝜎 2 = 𝑛 ∑𝑘𝑖=1 𝑛𝑖 (𝑥𝑖 − 𝑥̅ )2 = 𝑛 ∑𝑘𝑖=1 𝑛𝑖 𝑥𝑖2 − 𝑥̅ 2 (4)

Exemple 2 : Soit le tableau suivant :

Xi 2 6 9 11 15
ni 5 9 4 3 5

35
B. L'écart-type : L’écart-type est égal à la racine carrée de la variance.

1 1
𝜎 = √𝑛 ∑𝑘𝑖=1 𝑛𝑖 (𝑥𝑖 − 𝑥̅ )2 = √𝑛 ∑𝑘𝑖=1 𝑛𝑖 𝑥𝑖2 − 𝑥̅ 2 (5)

Si aucune valeur n’est répétée ou si les données ne sont pas regroupées par valeur, on aura :

1 1
𝜎 = √𝑛 ∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2 = √𝑛 ∑𝑛𝑖=1 𝑥𝑖2 − 𝑥̅ 2 (6)

Exemple 1: Soit la série: {2,5,7,1,9,13,6,15,8,16}. La variance de cette série est égale à :

10
1 237,6
𝜎 2 = ∑ 𝑛𝑖 (𝑥𝑖 − 𝑥̅ )2 = = 23,76
𝑛 10
𝑖=1

L'écart –type est : 𝜎 = √23,76 = 4,87

Exemple 2 : Soit les données du tableau suivant :

Xi 2 6 9 11 15
ni 5 9 4 3 5

La variance de cette série est égale à : σ2 = 18,9231

On en déduit l’écart-type : σ = √18,9231= 4,35

C. Le coefficient de variation : Le coefficient de variation est défini par :

𝜎
𝐶𝑉 = . 100
𝑥̅

Exemple : On connaît les salaires mensuels bruts en euros des 200 employés de la même
entreprise, à 10 ans d’intervalle (voir le tableau ci-dessous). Les données sont groupées par
classe. Le nombre d’employés est passé de 200 en 1994 à 280 en 2004. On veut savoir si la
dispersion des salaires à augmenter. Pour cela on va calculer le coefficient de variation en 1994
et en 2004.

36
 Salaire Effectifs 1994 Effectifs 2004
1000-2000 40 56
2000-3000 70 118
3000-4000 80 92
4000-5000 5 10
5000-10000 5 4

Les données sont groupées par classes de valeurs. Dès lors, il convient de calculer Ci, le centre
de chaque classe, qui tiendra lieu de Xi dans les différentes formules. Les tableaux ci-après
indiquent les calculs intermédiaires nécessaires pour obtenir le coefficient de variation des
salaires, respectivement en 1994 et en 2004.

Tableau1

Salaries ni (1994) Ci ni*Ci Ci2 ni*Ci2

1000-2000 40 1500 60000 2250000 90000000
2000-3000 70 2500 175000 6250000 437500000
3000-4000 80 3500 280000 12250000 980000000
4000-5000 5 4500 22500 20250000 101250000
5000-10000 5 7500 37500 56250000 281250000
Total 200 575000 1890000000

Calculons la moyenne, la variance et l’écart-type à partir des calculs intermédiaires du

Tableau1.
5
1
𝑋̅ = ∑ 𝑛𝑖 𝐶𝑖 = 2875
200
𝑖=1

𝑘
1
𝜎 = √ ∑ 𝑛𝑖 𝑐𝑖2 − 𝑥̅ 2 = √1184375 = 𝟏𝟎𝟖𝟖, 𝟐𝟗
𝑛
𝑖=1

Le coefficient de variation des salaires pour l'année 1994 est donc égal à :
𝜎
𝐶𝑉 = 𝑥̅ . 100 = (1088,29/2875)*100 = 37,8536

Refaisons les calculs pour l'année 2004 (Tableau2):

Tableau2
Salaries ni (2004) Ci ni*Ci Ci2 ni*Ci2
1000-2000 56 1500 84000 2250000 126000000
2000-3000 118 2500 295000 6250000 737500000
3000-4000 92 3500 322000 12250000 1127000000
4000-5000 10 4500 45000 20250000 202500000
5000-10000 4 7500 30000 56250000 225000000
Total 280 776000 97250000 2418000000

37
 1
𝑋̅ = ∑5𝑖=1 𝑛𝑖 𝐶𝑖 = 2771,43
280

𝑘
1
𝜎 = √ ∑ 𝑛𝑖 𝑐𝑖2 − 𝑥̅ 2 = √954898 = 𝟗𝟕𝟕, 𝟏𝟖𝟗
𝑛
𝑖=1

Le coefficient de variation des salaires pour l'année 2004 est donc égal à :
𝜎
𝐶𝑉 = 𝑥̅ . 100 = (977,189/2771,43)*100 = 35,2594

En comparant les deux coefficients de variation, on constate que l dispersion des salaires
s'est réduite.

38