CHAPITRE 1

STATISTIQUE DESCRIPTIVE
La statistique est l’ensemble des méthodes pour recueillir, présenter, ré-
sumer, analyser et interpréter des données. Elle se compose de deux parties: la
statistique descriptive et la statistique inférentielle. La première permet
de décrire les données et de dégager l’information essentielle qui s’y dissimule.
La seconde analyse les données recueillies auprès d’un échantillon a…n d’étendre
les propriétés constatées sur cet échantillon à toute la population.

I-1 Vocabulaire de base:

Avant d’aborder l’analyse descriptive des observations, nous allons préciser
certains termes qui seront utilisés par la suite.
(i) Population: Une population est l’ensemble sur lequel porte notre étude
et dans lequel nous allons recueillir les données.
(ii) Individu ou unité statistique: c’est un élément de la population. Ce
sont sur les individus que sont recueillies les observations.
(iii) Echantillon: c’est un sous-ensemble d’individus de la population auprès
duquel ont été recueillies les observations.
(iv) Variable: un individu peut être décrit selon une ou plusieurs carac-
téristiques qu’on appelle variables.
On distingue deux types de variables:
a - Variable qualitative: appelée aussi variable catégorielle, elle prend des
modalités (ou valeurs) qu’on ne peut pas exprimer numériquement.
Exemple 1:
- L’état matrimonial d’un individu peut présenter les modalités suivantes:
célibataire, marié, veuf, divorcé. Cette variable qualitaive présente 4 modalités.
- Le degré d’appréciation de l’action gouvernementale peut s’exprimer à
l’aide de ces 3 modalités: "pas satisfait", "moyennement satisfait" et "très
satisfait".
On peut dé…nir deux types de variables qualitatives:
- Variable qualitative nominale: elle prend des valeurs qui ne suivent
pas un ordre naturel. L’état matrimoniale d’un individu en est un exemple.
- Variable qualitative ordinale: elle prend des valeurs qui suivent un
certain ordre naturel. Le degré d’appréciation de l’action gouvernementale en
est un exemple.
b - Variable quantitative: elle prend des modalités ou des valeurs numériques.
On distingue deux types de variables quantitatives:
- Variable discrète: ses valeurs (ou modalités) sont des nombres entiers
isolés.
Exemple 2:
- Le nombre de pièces par logement.
- le nombre de clients se présentant au guichet d’une banque pendant un
certain intervalle de temps.
- Variable continue: elle prend toutes les valeurs d’un intervalle réel.

1
 Exemple 3: l’âge d’une personne, le poids d’un objet, les salaires distribués
sont des variables continues.
I-2 Fréquences:
- E¤ectif: l’e¤ectif ni associé à la valeur xi d’une variable statistique est le
nombre de fois que cette valeur se rencontre dans l’échantillon observé. Dans le
cas d’une variable continue, l’e¤ectif ni d’une classe particulière i (on verra cette
notion ultérieurement) est le nombre de valeurs se trouvant dans cette classe.
- Fréquence: la fréquence fi associée à la valeur xi de la variable statistique
est le nombre fi = nni où ni est l’e¤ectif associé à xi et n le nombre total des
valeurs qui ont été observées sur les unités statistiques. Dans le cas d’une
variable continue, la fréquence d’une classe est le rapport entre l’e¤ectif de cette
classe et le nombre total d’observations.
- Fréquence cumulée: la fréquence
X cumulée Fi associée à la valeur xi
de la variable est le réel Fi = fj c’est-à-dire la somme des fréquences
j:xj xi
associées à toutes les valeurs xj de la variable inférieures ou égales à xi :
Remarque importante: les fréquences cumulées ne peuvent être calculées que
pour les variables numériques.
Exemple 4: La répartition de 40 familles d’un certain quartier de la ville
selon le nombre d’enfants par famille est donnée par le tableau suivant:
Nombre d’enfants par famille:xi E¤ectif:ni Fréquence:fi Fréquence cumulée
0 4 0; 1 0; 1
1 8 0; 2 0; 3
2 8 0; 2 0; 5
3 7 0; 175 0; 675
4 6 0; 15 0; 825
5 4 0; 1 0; 925
6 3 0; 075 1
Total 40 1
- Une étude sur les di¤érents moyens de transport pour se rendre à l’université
est résumée dans le tableau suivant:
Modalité e¤ectif Fréquence
Auto 51 0; 23
Bus 64 0; 29
Marche 92 0; 40
Moto 6 0; 03
Vélo 11 0; 05
Total 224 1
I-3 Représentations graphiques:
1-3-1 Représentation d’une variable qualitative:
a) Le diagramme en tuyaux d’orgue: les tuyaux d’orgue sont des rectan-
gles de même base et de hauteur proportionnelle à la fréquence fi ou à l’e¤ectif
ni de chaque modalité.
Reprenons l’exemple sur les moyens de transport pour se rendre à l’université.
On obtient le graphique suivant:

2
 …gure 1
b) Le diagramme circulaire: On partage un cercle en secteurs dont les
surfaces sont proportionnelles aux fréquences données. A chaque modalité
de la variable correspond un secteur angulaire dont la mesure en degrés est
i = 360:fi :
En reprenant l’exemple précédent, on obtient le diagramme circulaire suiv-
ant:
…gure 2
1-3-2 Représentation d’une variable quantitaive discrète:
Une variable discrète est représentée graphiquement par un diagramme en
bâtons.
Chaque valeur xi de la variable est représentée par un bâton dont la hauteur
est proportionnelle à sa fréquence fi (ou à son e¤ectif ni ).
Le diagramme en bâtons ci-dessous représente la répartition du nombre
d’enfants par famille de l’exemple 4.
…gure 3
1-3-3 Représentation d’une variable quantitative continue:
Pour représenter graphiquement une variable continue ou une variable dis-
crète ayant un très grand nombre de valeurs, nous proposons trois types de
graphiques: l’histogramme, le polygone des fréquences et la courbe cumulée
croissante.
a) L’histogramme:
Pour représenter graphiquement une variable quantitative, on divise l’ensemble
de ses valeurs en k intevalles, appelées classes, ([ai ; ai+1 [; i = 1; 2; :::; k). On
prendra des classes de même amplitude a = ai+1 ai = constante. Le nombre
de valeurs de la variable se trouvant dans la classe [ai ; ai+1 [ s’appellera l’e¤ectif
de cette classe et sera noté ni :Le nombre de classes dépend de l’e¤ectif total n
et de l’éparpillement des observations. En général il varie entre 5 et 12. Le
nombre k de classes à utiliser est donné par la formule de Sturges:
k ' 1 + 3; 322 log10 n
ln(n)
où log10 n = ln(10) :
Pour dresser le tableau de distribution des fréquences, on doit suivre les
étapes suivantes:
(i) Etape 1: Déterminer k; le nombre de classes, par la formule de Sturges.
(ii) Etape 2: Calculer l’étendue e = x(n) x(1) de la série statistique où
x(n) est la valeur maximale de la variable et x(1) sa valeur minimale.
(iii) Etape 3: Déterminer l’amplitude commune des classese: a ' ke : Comme
ce résultat sera rarement entier, on l’arrondit au plus grand ou au plus petit
entier.
(iv) Etape 4: construire les k classe sainsi: [a1 ; a1 +a[; [a1 +a; a1 +2a[; :::; [a1 +
(k 1)a; a1 + ka[
avec a1 x(1) et a1 + ka > x(n) :
Dans ce cas (le cas étudié ci-dessus où les classes ont une amplitude com-
mune), l’histogramme est une représentation graphique constituée de rectan-
gles juxtaposés dont la base est l’amplitude commune et dont la hauteur est la

3
fréquence ( ou l’e¤ectif) de chaque classe.
Remarque importante: Dans le cas où les classes ont des amplitudes
di¤érentes, pour chaque classe on trace un rectangle dont la base est l’amplitude
ai de la classe mais dont la hauteur est égale à la fréquence corrigée fic
obtenue ainsi:
fic = fi aa0i
où fi est la fréquence de la classe et a0 l’amplitude de base choisie (c’est
généralement la plus petite).
Exemple 5: les données suivantes sont les durées de vie en heures de 30
lampes miniatures.
419 451 412 412 375 397 429 407 454 375
393 357 456 355 364 414 413 425 467 345
432 392 329 422 426 439 381 451 413 421
On les classe par ordre croissant:
329 345 355 357 364 375 375 381 392 393
397 407 412 412 413 413 414 419 421 422
425 426 429 432 439 451 451 454 456 467
La formule de Sturges nous donne 1 + 3; 322 log10 30 = 5; 907 0, on prend
donc k = 6 classes. L’étendue est x(30) x(1) = 467 329 = 138 et par
conséquent l’amplitude commune est a = ke = 138 6 = 23:On obtient alors le
tableau des fréquences suivant:
Classe e¤ectif fréquence fréquence cumulée
[329; 352[ 2 0; 07 0; 07
[352; 375[ 3 0; 10 0; 17
[375; 398[ 6 0; 20 0; 37
[398; 421[ 7 0; 23 0; 60
[421; 444[ 7 0; 23 0; 83
[444; 467] 5 0; 17 1
Total 30 1
Remarque: la dernière colonne contient les fréquences cumulées correspon-
dant aux bornes supérieures des classes.
La …gue 4 représente l’histogramme associé à la distribution de fréquence
ci-dessus.

…gure 4
b) Le polygone de fréquences:
Le polygone de fréquences permet de représenter la distribution des fréquences
sous forme de courbe. Il est obtenu en joignant les milieux des sommets de
chaque rectangle de l’histogramme par des segments de droite. On ferme ce
polygone en ajoutant, aux deux extrêmités, une classe de fréquence nulle.
La …gure 5 représente le polygone des fréquences de l’exemple ci-dessus.
…gure 5
c) La courbe cumulative croissante
La courbe cumulative croissante, appelée aussi polygone de fréquences cu-
mulées, s’obtient à partir des fréquences cumulées croissantes. On détermine

4
une succession de points dont les abcisses correspondent aux limites supérieures
des classes, sauf pour le premier point, et dont les ordonnées sont égales aux
fréquences cumulées croissantes correspondant aux classes.
La …gure 6 représente la courbe cumulative croissante de l’exemple 5.
…gure 6
Cette courbe permet de déterminer, par exemple, le pourcentage des obser-
vations inférieures ou égales à une valeur donnée. En voici un exemple:
Exemple 6: Déterminons le pourcentage de lampes miniature de durée de
vie inférieure ou égales à 380 heures.
On note F (380) la fréquence cumulée correspondant à 380 2 [375; 398[.
Comme F est croissante, on a:
375 380 398 =) F (375) F (380) F (398)
et par une interpolation linéaire, on trouve:
F (380) F (375) 380 375
F (398) F (375) = 398 375 =) F (380) = F (375) + (F (398)
F (375)) 380 375
398 375
5
C’es-à-dire F (380) = 0; 17 + (0; 37 0; 17) 23 ' 0; 2135
Ainsi 21; 35% de lampes miniatures ont une durée de vie ne dépassant pas
380 heures.

I-4 Mesures de tendance centrale:

Appelées aussi, mesures de position, les mesures de tendance centrale
permettent d’obtenir une idée de l’ordre de grandeur des valeurs constituant la
série statistique et indiquent également la position où semblent se rassembler
les valeurs de cette série.
1-4-1 Mode:
Le mode, noté M0 ;est la valeur de la variable statistique ayant la plus
grande fréquence.
Dans le cas d’une variable discrète la détermination du mode est immédiate.
Dans le cas d’une variable continue, on parlera plutôt de classe modale.
La classe modale est celle à laquelle correspond la fréquence la plus élevée.
Par convention, on pourrait dire que le mode est alors la valeur qui correspond
au centre de la classe modale.
Remarques:
a) Une série statistique peut ne comporter aucune valeur modale.
b) Si le mode existe, il peut être unique ( distribution unimodale) comme il
peut être multiple ( distribution bimodale lorsqu’il y a deux modes, etc...).
Exemple 7:
(i) Si on reprend l’exemple 4:
- Pour la variable "Nombre d’enfants par famille", elle est bimodale les
valeurs 1 et 2 sont les modes, ils possèdent la plus grande fréquence 0; 2:
- Pour la variable "Les di¤érents moyens de locomotion pour se rendre à
l’université", la modalité Marche est le mode, elle correspond à la plus grande
fréquence 0,4.
(i) Si on reprend l’exemple 5:

5
 On a deux classes modales [398; 421[ et [421; 444[ de fréquence commune
0; 23:Cette distribution est bimodale (409,5 et 432,5 sont les deux modes).
1-4-2 Moyenne:
La moyenne d’une série statistique x1 ; x2 ; :::; xn est la moyenne arithmétique
de cette série, on la notera x : Pn
xi
x = x1 +x2 +
n
+xn
= i=1 n :
Remarque: dans le cas d’une variable continue où les observations sont don-
nées dans k classes, la moyennePest donnée par:
k
n c Pk
x = i=1n i i = i=1 fi ci
où ni et fi sont respectivement l’e¤ectif et la fréquence de la classe i:Le réel
ci est le centre de la classe i; si cette classe est [xi ; xi+1 [; alors ci = xi +x2
i+1
:
Exemple 8:
Si on reprend la variable "Nombre d’enfants par famille" P40
de l’
P6
exemple 4,
i=1 xi n x
le nombre moyen d’enfants par famille est x = 40 = i=140 i i =
0 4+ 1 8+ 3 6
40 = 107
40 ' 2; 7 (presque 3 enfants).
1-4-3 Médiane:
La médiane, notée Me ; est la valeur (observée ou possible) de la variable sta-
tistique, dans la série d’observations ordonnées par ordre croissant, qui partage
cette série en deux parties, chacune comprenant le même nombre d’observations
de part et d’autre de Me :
a) Cas d’une variable discrète:
Si x1 ; x2 ; :::; xn sont les observations de la série statistique, on les ordonne
par ordre croissant ainsi: x(1) x(2) x(n) où x(i) est l’observation
occupant la ième position.
La médiane est alors donnée par:
x(k+1) si n = 2k + 1
Me = x(k) +x(k+1)
2 si n = 2k
Exemple 9:
Un candidat à un examen a obtenu les notes suivantes:
x1 = 15; x2 = 10; x3 = 6; x4 = 9; x5 = 11; x6 = 5; x7 = 12; x8 = 7; x9 =
16; x10 = 8:
On les classe par ordre croissant: x(1) = 5; x(2) = 6; x(3) = 7; x(4) = 8; x(5) =
9; x(6) = 10; x(7) = 11; x(8) = 12; x(9) 15; x(10) = 16:
Dans ce cas n = 10 = 2k ) k = 5: D’où
x +x
Me = (5) 2 (6) = 9+10 2 = 9; 5
qui est une valeur possible de la variable.
b) Cas d’une variable continue:
Si la médiane Me 2 [xi ; xi+1 [; on dit que [xi ; xi+1 [ est la classe médiane.
La médiane est telle que F (Me ) = 0; 5 où F (Me ) est la fréquence cumulée de
Me :
Puisque F est croissante:
xi Me xi+1 ) F (xi ) F (Me ) F (xi+1 ):
Par interpolation linéaire:
F (Me ) F (xi )
Me xi
xi+1 xi = F (xi+1 ) F (xi ) =) Me = xi + (xi+1 xi ) F (x0;5 F (xi )
i+1 ) F (xi )

6
 Exemple 10:
Dans un atelier mécanique, on a fabriqué des tiges sur un tour automatique,
les diamètres de ces tiges sont données dans le tableau suivant:
Classes E¤ectis Fréquences Freq.cumulées
[36; 5; 37; 5[ 3 0; 05 0; 05
[37; 5; 38; 5[ 7 0; 12 0; 17
[38; 5; 39; 5[ 17 0; 28 0; 45
[39; 5; 40; 5[ 18 0; 3 0; 75
[40; 5; 41; 5[ 9 0; 15 0; 90
[41; 5; 42; 5[ 4 0; 07 0; 97
[42; 5; 43; 5[ 2 0; 03 1
Total 60 1
On procède comme dans l’exemple 6.
Dans ce cas 0; 45 0; 5 0; 75 avec 0; 45 = F (39; 5) et 0; 75 = F (40; 5):
0;5 0;45
Ainsi Me = 39; 5 + (40; 5 39; 5) 0;75 0;45 ' 39; 67:
I-5 Mesures de dispersion:
Elles mesurent les ‡uctuations des valeurs observées autour de la valeur cen-
trale et permettent de préciser dans quelle mesure les valeurs observées s’écartent
les unes des autres ou s’écartent de la valeur centrale.
1-5-1 Etendue:
Par dé…nition, l’étendue d’une série statistique, notée e; est la di¤érence
entre la plus grande valeur et la plus petite valeur de cette variable.
Donc e = x(n) x(1) :
Exemple 11:
- Si on reprend l’exemple 9, "Les notes obtenues à l’examen":
e = x(10) x(1) = 16 5 = 11:
- Si on reprend l’exemple 10, "Le diamètre des tiges":
e = x(n) x(1) = 43; 5 36; 5 = 7:
1-5-2 Quartiles:
Les quartiles sont des valeurs de la variable qui partagent la série statistique
en quatre parties égales. Au nombre de trois, ils sont notés Q1 ; Q2 et Q3 tels
que Q1 Q2 Q3 : Ils nous renseignent sur la dispersion des valeurs de la
variable autour de la médiane.
- Le premier quartile Q1 est tel que 25% des observations lui sont in-
férieures.
- Le second quartile Q2 correspond à la médiane: Q2 = Me :
- Le troisième quartile Q3 est tel que 75% des observations lui sont in-
férieures.
L’intervalle [Q1 ; Q3 ]; appelé intervalle interquartile, contient 50% des
observations.
La di¤érence Iq = Q3 Q1 est appelée écart interquartile.
a) Calcul des quartiles dans le cas d’une variable discrète:
On procède de la façon suivante:
(i) On ordonne les valeurs de la variable x1 ; :::; xn par ordre croissant x(1)
x(n) :

7
 (ii) Pour i = 1; 2; 3; on calcule i = i n+1 4 :
(iii) Pour i = 1; 2; 3; on note pi = [ i ] la partie entière de i :
Si i pi < 0; 5 alors Qi = x(pi ) c’est-à-dire la peme i observation;
x(pi ) +x(pi +1)
Si i pi = 0; 5 alors Qi = 2 ; la moyenne de la peme
i
eme
observation et de la (pi + 1) observation;
Si i pi > 0; 5 alors Qi = x(pi +1); la (pi + 1)eme observation.
Exemple 12:
Soient les notes de l’exemple 9
x1 = 15; x2 = 10; x3 = 6; x4 = 9; x5 = 11; x6 = 5; x7 = 12; x8 = 7; x9 =
16; x10 = 8:
On les classe par ordre croissant: x(1) = 5; x(2) = 6; x(3) = 7; x(4) = 8; x(5) =
9; x(6) = 10; x(7) = 11; x(8) = 12; x(9) 15; x(10) = 16:
On trouve :
11
1 = 4 = 2; 75; 1 p1 = 0; 75 d’où Q1 = x(3) = 7;
11 x +x
2 = 2 4 = 5; 5; 2 p2 = 0; 5 d’où Q2 = (5) 2 (6) = 9+10 2 = 9; 5;
11
3 = 3 4 = 8; 25; 3 p 3 = 0; 25 d’où Q 3 = x (8) = 12:
a) Calcul des quartiles dans le cas d’une variable continue:
On les calcule de la même façon dont on a calculé la médiane.
Calcul de Qi ; i = 1; 2; 3 :
Si Qi 2 [xi ; xi+1 [ et F (Qi ) est la fréquence cumulée de Qi (F (Q1 ) =
0; 25; F (Q2 ) = F (Me ) = 0; 5; F (Q3 ) = 0; 75).
Puisque F est croissante:
xi Qi xi+1 ) F (xi ) F (Qi ) F (xi+1 ):
Par interpolation linéaire:
F (Qi ) F (xi )
Qi xi
xi+1 xi = F (xi+1 ) F (xi ) =) Qi = xi + (xi+1 xi ) FF(x(Qi ) F (xi )
i+1 ) F (xi )

Exemple 13:
Reprenons l’exemple 10, "diamètre des tiges":
Classes E¤ectis Fréquences Freq.cumulées
[36; 5; 37; 5[ 3 0; 05 0; 05
[37; 5; 38; 5[ 7 0; 12 0; 17
[38; 5; 39; 5[ 17 0; 28 0; 45
[39; 5; 40; 5[ 18 0; 3 0; 75
[40; 5; 41; 5[ 9 0; 15 0; 90
[41; 5; 42; 5[ 4 0; 07 0; 97
[42; 5; 43; 5[ 2 0; 03 1
Total 60 1
Puisque 0; 17 0; 25 0; 45 c’est-à-dire F (38; 5) F (Q1 ) F (39; 5);on a
0;25 0;17
Q1 2 [38; 5; 39; 5[ et donc, Q1 = 38; 5 + (39; 5 38; 5) 0;45 0;17 ' 38; 78:
On a, par lecture directe du tableau, Q3 = 40; 5 puisque F (Q3 ) = 0; 75:
Le quartile Q2 = Me ' 39; 67 a été calculé dans l’exemple 10.
1-5-3 Variance et écart-type:
La dispersion des valeurs xi de la série statistique autour de leur moyenne
x est obtenue en calculant la somme des carrés des écarts des valeurs xi par

8
rapport à x , divisée par n 1:Cette mesure s’appelle la variance de la série
statistique et s’écrit: Pn
s2 = n 1 1 i=1 (xi x)2 :
La racine carrée de s2 q donne l’écart-type:
Pn
s = n 1 1 i=1 (xi x)2 :
Remarques:
R1) L’écart-type exprime donc l’idée de variation des observations autour
d’une valeur centrale, ici c’est la moyenne.
R2) La moyenne et l’écart-type s’expriment dans la même unité que celle
des valeurs xi de la variable observée.
Exemple 14:
Cherchons la variance et l’écart-type des notes de l’exemple 9: x1 = 15; x2 =
10; x3 = 6; x4 = 9; x5 = 11; x6 = 5; x7 = 12;P x8 = 7; x9 = 16; x10 = 8:
1 10 1
On cherche d’abord la moyenne x = 10 i=1 xi = 10 (15+10+ +16+8) =
99
10 = 9; 9:
P10
La variance est s2 = 19 i=1 (xi 9; 9)2
= 91 (26; 01 + 0; 01 + 15; 21 + 0; 81 + 1; 21 + 24; 01 +
4; 41 + 8; 41 + 37; 21 + 3; 61)p= 120;9
9 = 13; 43
et l’écart-type vaut s = 13; 43 = 3; 66:
Calcul simpli…é de la variance: Pn
En développant l’expression
P i=1 (xi x)2 ; on peut simpli…er le calcul de la
1 n
variance ainsi: s2 = n 1 ( i=1 x2i nx2 ):
1-5-4 Coe¢ cient de variation
L’écart-type permet de caractériser la dispersion d’une série d’observations.
Une série qui est peu dispersée, cest-à-dire présentant des observations qui sont
très regroupées autour de la moyenne conduit à un écart-type plutôt faible.
On va maintenant préciser comment obtenir une mesure de dispersion rela-
tive.
Dé…nition: Le coe¢ cent de variation, noté CV, s’obtient en divisant
l’écart-type s par la moyenne x: Il sécrit: CV = xs :
Il est indépendant de l’unité de mesure de la variable observée.
Exprimé sous la forme d’un pourcentage, il s’écrit: CV = xs 100%:
Ainsi un CV de 0; 27 signi…e que l’écart-type est égal à 27% de la moyenne.
Le CV donne une très bonne idée sur l’homogénéité d’une distribution sta-
tistique. Plus le CV est faible, plus la série d’observations est homogène. Un CV
inférieur à 15% est une indication d’une bonne homogénéité de la distribution
des observations.
Exemple 14:
Cherchons le CV des notes de l’exemple 9: x1 = 15; x2 = 10; x3 = 6; x4 =
9; x5 = 11; x6 = 5; x7 = 12; x8 = 7; x9 = 16; x10 = 8: p
On trouvé que la moyenne x = 9; 9 et que l’écart-type s = 13; 43 = 3; 66
D’où le coe¢ cent de variation CV = 3;66 9;9 ' 0; 37
Donc ce CV de 37% indique une homogénéité raisonnable de cette distribu-
tion.

9
 I-5 Mesure de forme:
Une mesure qui permet de caractériser le degré de symétrie est le coe¢ cient
d’asymétrie dit coe¢ cient de Pearson. Noté Sk ; il s’écrit :
Sk = 3(x sMe ) ou aussi Sk = x sM0
où Me est la médiane, M0 le mode, x la moyenne et s l’écart-type.
Lorsque x > Me > M0 ; Sk > 0 et la distribution présente un étalement
à droite; lorsque x < Me < M0 ; Sk < 0 et la distribution présente alors un
étalement (ou une queue) à gauche (voir …gure 7)
Si la distribution n’est pas trop asymétrique, on a la relation empirique
suivante entre le mode, la moyenne et la médiane: x M0 = 3(x Me ): Ceci
permet de déterminer l’une ou l’autre des quantités lorsque l’on connait les deux
autres.
Exemple 15:
Reprenons les notes suivantes: x1 = 5; x2 = 10; x3 = 6; x4 = 13; x5 =
11; x6 = 6; x7 = 12:
On trouve x = 9; M0 = 6; Me = 10: D’où Sk = 9 s 6 > 0: On a donc une
distribution asymétrique présentant une queue à droite.

10