UNIVERSITE D’ALGER /FACULTE DE MEDECINE /

DEPARTEMENT DE MEDECINE/MOHAMED MAHERZI

MODULE D’EPIDEMIOLOGIE

6ème ANNEE MEDECINE/A6

ANNEE UNIVERSITAIRE: 2018-2019

Cours rédigé et présenté par Dr.BENELFEKIR.H

Maitre assistante en épidémiologie et médecine
préventive/CHU Hussein Dey
L’étudiant en 6ème année de médecine doit savoir:

1) définir les différents termes constituant le

vocabulaire élémentaire de la statistique.
2) déterminer le type, la nature et les modalités
d’une variable ou d’un caractère.
3) construire le tableau de distribution des
fréquences selon la nature de la variable
4) calculer les différentes fréquences constituant
ce tableau.
5) représenter graphiquement les données selon la
nature de la variable.
6) calculer les différents paramètres de réduction.
7) interpréter la relation entre les paramètres de
tendance centrale et ceux de dispersion.
I. Définition préliminaires:
A) Population , Echantillon
B) Variable ou caractère
C) Fréquences: absolue, relative et cumulée
D) Rapports, propositions, taux et indices
II. Mise en ordre des données: tableau de
fréquence
III. Représentation graphique des données
IV. Paramètres de réduction
A) Paramètres de tendance centrale
B) Paramètres de dispersion
C) Coefficient de variation
D) Quantiles
1) Population , Echantillon:
1-1) Population « statistique» est un ensemble d’éléments sur les
quels va porter l’étude statistique. Chaque élément de la population est
appelé unité statistique ou individu.
• Exemple de population statistique: le personnel enseignant de la
faculté de médecine d’Alger.
• Unité statistique: l’enseignant de la faculté de médecine.

1-2) Echantillon : est sous ensemble d’une population. C’est une

partie restreinte de la population.
 L’opération de choix de l’échantillon est appelée échantillonnage ou
sondage.
• Le nombre d’éléments constituant l’échantillon est appelé taille de
l’échantillon, noté N/n.
• Exemple d’échantillon: un groupe du personnel enseignant de la faculté
de médecine d’Alger(ex: enseignant du module d’épidémiologie)
Population Elément de la population
« Un individu »
Unité statistique

Echantillon
2) Variable ou caractère, Modalités:
2-1) Caractère / variable: est une propriété possédée par les
unités statistiques, permettant de les décrire et les distinguer
les uns des autres.
Exemples de caractère: poids, taille, âge, nationalité, maladie etc.

2-2) Modalités: sont les différentes situations susceptibles

d’être prises par le caractère ou la variable. Un caractère peut
présenter deux ou plusieurs modalités. L’ensemble des
modalités observées sur les unités statistiques constitue les
données ou observations.
Exemples:
 sexe: masculin , féminin;

 Maladie: malade , non malade;

 Exposition : (exposé , non exposé;

 Diarrhée: diarrhée présente, diarrhée absente;

 Groupe sanguin dans le système ABO : O, A, B, AB.

2-3) Nature de variables: les caractères sont classés en deux
catégories: les caractères qualitatifs et les caractères quantitatifs
2-3-1) Variable qualitative: c’est un caractère dont les modalités
s’expriment par des qualités et non plus par des valeurs
numériques ou mesurables.
 Les caractères présentant deux modalités sont appelés:
caractères dichotomiques ou binaires.
Exemple: sexe: masculin , féminin
 Les variables comportant plus de deux modalités sont appelées
multichotomiques: on distingue:
 les variables qualitatives ordinales: ce sont des variables
multichotomiques dont les modalités sont soumises à un ordre ou à
une progression naturelle.
Exemple: stade de la maladie de Hodgking : stades I à IV .
 les variables qualitatives nominales: ce sont des variables
multichotomiques dont les modalités ne sont pas soumises à un ordre
Exemples: groupe sanguin dans le système ABO (O, A, B, AB) ; statut
matrimonial (célibataire, marié, divorcé, veuf).
2-3-2) Variable quantitative: c’est un caractère dont les modalités
s’expriment par des valeurs numériques ou mesurables; on
distingue :

 la variable quantitative continue :a des modalités en nombre

infini qui se situent à un point quelconque d’une échelle
numérique.
Exemples: Glycémie, heure du jour, âge , taille, tension
artérielle, taux d’urée sanguine, taux de cholestérol

 la variable quantitative discontinue ou discrète: a des

modalités qui s’expriment par des nombres entiers;
Exemples: nombre d’enfants par famille, fréquence cardiaque
, nombre de globules par unité de volume sanguin, nombre
d’accidents de la route recensés, etc.
3) Fréquences: absolue, relative et cumulée:
3-1) Fréquences simples:
3-1-1) Fréquence absolue (effectif) « ni »: est le nombre
d’individus correspondant à une modalité donnée d’une variable.
Exemple: distribution de 50 malades selon le sexe. Parmi ces 50
malades, 15 sont de sexe masculin et 35 de sexe féminin. Les
effectifs correspondant à chacune des deux modalités sont 15 et 35.

3-1-2) Fréquence relative (pourcentage) « fi »: est le rapport

entre l’effectif d’une modalité de variable et l’effectif total de la
série sur laquelle cette variable est mesurée. Le numérateur fait
obligatoirement partie du dénominateur. La fréquence relative
s’exprime généralement en pourcentage .
Exemple: dans l’exemple précédent:
• FR des sujets de sexe masculin est: 15/50=0.30= 30%
• FR des sujets de sexe féminin est : 35/50 = 0.70 = 70.0%.

• La somme des fréquences relatives est égale à 1 ou 100%.

3-2) Effectifs et fréquences cumulés:
3-2-1) Effectif cumulé « nic »: peut concerner deux ou
plusieurs modalités complémentaires et incompatibles d’une
même variable.
Exemple: distribution de 50 malades selon le sexe : les cumulés
des deux modalités : masculin « ni1=15 » et féminin « ni2=35
» est la somme des effectifs simples (N=50).

3-2-2) Fréquence relative cumulée (Probabilité cumulée)«fic» :

qui peut concerner deux ou plusieurs modalités
complémentaires et incompatibles d’une même variable. la
probabilité cumulée s’obtient par la somme de fréquences
relatives simples.
Exemple : la probabilité pour un malade d’être, soit un sujet de
sexe masculin, soit un sujet de sexe féminin est évidemment
de 100%.
 4) Rapports: ratio, propositions, taux et indices:

4-1) Ratio: est une expression de la relation entre deux entités ou

encore le rapport des effectifs de deux modalités d’une même
variable. Il est de la forme suivante:
x : y ou x / y * k
 Le sex-ratio est le rapport numérique des sexes :
Sex-ratio = (effectif de sexe masculin) / (effectif de sexe féminin)

Ex1: on a trouvé que dans un échantillon il y’avait 4000 hommes et

2000 femmes. Le rapport homme: femmes est de 2:1 (2/1). Quant
au rapport femmes : hommes est de 0,5 :1 avec k=1
Ex2: rapport des sexes à la naissance: si le sex-ratio est égal à
1.06, cela signifie que pour 100 naissances féminines, il y a 106
naissances masculines.

4-2) Proportion: est un rapport dont le numérateur fait partie du

dénominateur, tous deux étant mesurés simultanément. Elle est de
la forme: x / x+y * 100 . Une proportion s’exprime en pourcentage

Exemple: la proportion d’hommes dans l’échantillon est:

[4000/(2000+4000)] * 100 = 66,6%
4-3) Taux: mesure la probabilité de survenue d’un évènement
donné au cours du temps. C’est une expression de la forme: x / y * k
Il doit toujours s’exprimer en fonction d’une certaine unité de
temps, pour un lieu géographique donné et pour un groupe de
personnes bien défini :
 Le numérateur est un nombre d’évènements (décès, maladie, handicap)
survenus au cours d’une certaine période.
 Le dénominateur représente la population exposée au risque de
survenue de cet événement pendant cette période.
 La constante k est une puissance de 10. On choisira k de telle sorte
que le taux comporte un à deux chiffres avant la virgule.
Exemple: soit un taux de 0,00036/an, la constante k = 10 000 donc le
taux est 3,6 pour 10 000/an

4-4) Indice: est un paramètre de mesure servant à estimer un taux

dans le cas où le dénominateur de ce dernier ne peut être mesuré.
 Il peut être le rapport de deux effectifs relatifs aux données de deux
variables quantitatives discrètes, il est notamment utilisé en économie
de la santé comme indicateur de fonctionnement
Exemple: nombre de lits d’hôpital/nombre de médecins d’hôpital
 La mise en ordre des données est l’étape qui
suit immédiatement celle du recueil des valeurs
de la (ou des) variable(s) étudiée(s).
 Elle consiste à dresser un tableau qui fait
correspondre aux valeurs ou qualités de la
variable prise en considération, le nombre
d’individus présentant effectivement ou ces
qualités.
 Le tableau s’appelle tableau d’effectifs ou de
distribution de fréquences.
Variable Fréquence Fréquence
absolue / effectif/ relative
ni %/fi
M1 ni1 fi1=ni1/N

M2 ni2 fi2=ni2/N

M3 ni3 fi3=ni3/N

Total N 100%
=ni1+ni2+ni3 =fi1+fi2+fi3
 Fréquence Effectif Fréquence Fréquence
Variable absolue / cumulé relative relative
effectif/ ni effcum %/fi cumulée/
ficum

M1 ni1 ni1 fi1=ni1/N fi1

M2 ni2 ni1+ni2 fi2=ni2/N fi1+fi2

M3 ni2 ni1+ni2+ni3 fi3=ni3/N fi1+fi2+fi3

=N =100%

Total N // 100% //
=ni1+ni2+ =fi1+fi2+
ni3 fi3
Groupe Fréquence Fréquence Fréquence
sanguin absolue / relative relative
effectif/ ni %/fi cumulée/
ficum
O 50 41,7% 41,7%
A 40 33,3% 75,0%

B 17 14,2% 89,2%

AB 13 10,8% 100%

Total 120 100%

 Nombre Fréquence Effectif Fréquence Fréquence
d’épisodes absolue / cumulé relative relative
effectif/ ni nicum %/fi cumulée/ ficum

0 3 3 15,8% 15,8%

1 7 10 36,8% 52,6%

2 6 16 31,6% 84,2%

3 2 18 10,5% 94,7%

4 1 19 05,3% 100%

Total 19 100%
 Centre de Fréquence Fréquence
Poids classe/ absolue / relative
xi effectif/ ni %/fi
[50-55[ 52,5 1 5,3%
[55-60[ 57,5 2 10,5%
[60-65[ 62,5 5 26,3%
[65-70[ 67,5 4 21,2%
[70-75[ 72,5 3 15,8%
[75-80[ 77,5 3 15,8%
[80-85[ 82,5 1 05,3%
Total 19 100%
Ex: soit le série du poids de 19 étudiants en Kg:
76,340; 64,990; 83,450; 69,120; 59,990; 66,330;
52,990; 60,400; 79,650; 61,820; 70,560; 68,280;
64,100; 61,820; 70,130; 57,740; 72,880; 76,360;
65,450.

• Avant de déterminer les classes et leurs effectifs, on

doit classer les données par ordre croissant:
52,990; 57,740; 59,990; 60,400; 61,820; 61,820;
64,100; 64,990; 65,450; 66,330; 68,280;69,120;
70,130; 70,560; 72,880;76,340; 76,360; 79,650;
83,450.
 Amplitude de classe= étendu/nombre de classe
 Nombre de classe: P=√N
• La règle de STURGE : P= 1+ (3,3 log N)
• La règle de YULE : P= 2,5⁴√N
P= 1+ (3,3 log 19) =5,22≈6classes

 L’étendu (ou marge) est la différence entre la valeur la

plus grande et la valeur la plus faible de la série:
E=Xmax – Xmin
E= 83,45 – 52,990= 30,460 kg
 Donc l’amplitude de classe est:
a=30,46 /6= 5
Donc la classe sera déterminée comme suit:
LS= LI + a, [XLI-XLS[
ainsi la première classe est: 52,990+5=57,990
[52,990-57,990[
 Nombre de classes= étendu/amplitude
 L’amplitude de classe est la différence entre les
limites inferieure et supérieure de la classe.
a= Ls - LI
Pour la classe 1: a= 55 – 50= 5
Donc le nombre de classe est:
P=30,46 / 5= 6 ,1≈ 7classes

 Le centre de classe est la valeur située au milieu de

la classe, il est égal à :
xi= (Linf + Lsup) / 2
Le centre de classe de la première classe est ainsi
égal à :
xi= 50 + 55/2= 52,5
 Elle permet de saisir rapidement et facilement
les grands traits d’une distribution.

 Il existe deux types de graphiques: les

graphiques à échelles semi-logarithmiques et
les graphiques à échelles arithmétiques.

 La représentation graphique va dépendre de

la nature de la variable.
 1) Représentations graphiques pour la
variable qualitative:
Graphe en tuyau d’orgue Graphe en secteur
(en barres) (camembert)
Effectif/FR
ni / fi

M1
M2
M3

variable
Effectif/FR Groupe O;
ni / fi
41.70%
Groupe A;
33.30%

Groupe B;
14.20% Groupe AB;
10.80%

variable
 Groupe AB;
10.80%;
11%

Groupe B;
14.20%; 14%

Groupe O;
Groupe A;
41.70%; 42%
33.30%; 33%
2) Représentation graphique pour la variable
quantitative discontinue ( discrète):
Graphes en bâtons et polygone de fréquences
Effectif/FR Diagramme en bâtons
ni / fi
Polygone de fréquences

variable
Effectif/FR
ni / fi Diagramme en bâtons
7

Polygone de fréquences

M0
variable
Effectif/FR
ni / fi Diagramme en bâtons

Polygone de fréquences

10

Me
variable
3) Représentation graphique pour la variable
quantitative continue:
Graphe en histogramme des fréquences
25 Effectif/FR
ni / fi

20

15

10

M1 M2 M3 variable
Effectif/FR
ni/fi
30
ni=5
25 fi=26,3%

20

15

10

50 55 60 65 70 75 80
M0=62,5kg
variable
1) Paramètres de tendance centrale :
1-1) Moyenne arithmétique « m »:
Il s’agit d’une valeur centrale autour de laquelle
gravitent toutes les autres valeurs.
m=∑ xi / N ou m=∑ nixi / N
Ex1: soit la série suivante: fréquence cardiaque de 10
étudiants: 59, 72, 58, 65, 77, 83, 72, 77, 62, 62.
la moyenne des fréquences cardiaques de 10
étudiants est :m= 68,7 batt/min
Ex2: soit la série suivante: 3,3,3,3,4,4,5,5,5,5,7,9
La moyenne pondérée est:
m= [(4x3)+(2x4)+(4x5)+(1x7)+(1x9)]/12=4,7
Ex3: calcul de la moyenne du poids de 19 étudiants sur la
base des données groupées en classes s’effectue ainsi:
Poids (Kg) Centre de la Effectifs Effectifs xini
classe (Xi) (ni) cumulés nicu

[50-55[ 52,5 1 1 52,5

[55-60[ 57,5 2 3 115
[60-65[ 62,5 5 8 312,5
[65-70[ 67,5 4 12 270
[70-75[ 72,5 3 15 217,5
[75-80[ 77,5 3 18 232,5
[80-85[ 82,5 1 19 82,5
Total 19 1282,5

m=(52,5x1+57,5x2+62,5x5+67,5x4+72,5x3+77,5x3+8
2,5x1)/ 19= 1282,5/19= 67,5Kg
1-2) Mode « M0 »:

 Le mode ou la valeur modale est la valeur de la variable de

fréquence maximum. C’est la valeur dominante qui correspond
au plus grand effectif.
 La distribution peut être uni modale (un seule mode); bimodale
(deux valeurs distinctes correspondent aux deux grands
effectifs égaux); ou multimodale (plusieurs modes différents)
 Lorsque les valeurs de la variable sont répartis en classes, la
classe modale est celle pour laquelle la fréquence est maximale.
On peut attribuer au mode le centre de la classe modale.

Ex 1: la série: {4,5,8,9,10,12,15} n’a pas de mode.

Ex2: dans la série de fréquence cardiaque de 10 étudiants:

59, 72, 58, 65, 77, 83, 72, 77, 62, 62; la distribution et multimodale:
trois modes: 72,77 et 62

Ex3: dans l’exemple du nombre d’épisodes de grippe parmi 19 personnes: le

mode est égal à 1 (ni=7)

Ex4: dans l’exemple du poids de 19 étudiants:

-la classe modale est : [60-65[
- le mode est le centre de la classe modale: Mo= 62,5 Kg (ni=5)
2-3) Médiane « Me »:
C’est la valeur de la variable qui sépare la série en deux: 50%
des observations sont inférieurs à Me et 50% des observations
lui sont supérieurs.

 Pour la série statistique non classée:

 Si le nombre des observations « N » est impair, le rang ou la
position de la médiane est déterminé par la formule:
(N + 1)/2→ X (2K+1/2) avec N=2K: Me= X (2K+1/2)
Ex: soit une série de 5 poids de nouveau-nés en grammes :
13150; 3200; 3500; 3510; 3720. X2K+1/2 (2K+1/2 =3)=3500
La médiane est: Me= 3500g

 Si le nombre des observations « N » est pair, la médiane

correspondant aux rangs: (N/2) →Xk et (N/2 + 1) →Xk+1 avec
N= 2K: Me= Xk + Xk+1 / 2
Ex: soit une série de 6 poids de nouveau-nés en grammes « g »:
13150; 3200; 3500; 3510; 3720; 3800.
Donc : Xk (k=3)=3500 et Xk+1 (k+1=4)=3510
La médiane est: Me= (3500+3510)/2=3505g
 Pour la série statistique classée (groupée):
 on détermine la classe médiane par l’utilisation des
effectifs cumulés ,correspond à n+1/2 ou des fréquences
cumulées correspond à 50%.
 on utilise la formule suivante:
Me= x + [(N/2 – S)/n]*a

X: limite inferieure de la classe médiane

N: taille globale de l’échantillon
S: effectif cumulé de la classe inférieure à la classe médiane
n: effectif de la classe médiane
a: amplitude de la classe médiane
Ex: on considère la série du poids de 19 étudiants:
- La classe médiane est à 19+1/2=10 est:[65-70[ ; n=4
- Me= 65 + [(19/2 – 8)/4] * 5= 66,9 Kg
2) Paramètres de dispersion:
Les caractéristiques de tendance centrale et de
position sont insuffisantes pour caractériser
complètement une série statistique, elle doit être
accompagnée d’un paramètre de dispersion qui
renseigne sur l’étalement de la série autour de la
valeur de cette moyenne.
Ex: soient deux observations (séries statistiques)
suivantes:
1) série1: 15,20,25,30,35. m1=25; S²1=62,5;
S1=7,9; cv=31%
2) Série2: 5,15,25,35,4. m2=25; S²2=250; S2=15,8;
cv=63%
Commentaire: les deux séries ont la même
moyenne, mais elles ne se ressemblent pas. On
dit que la deuxième série est plus dispersée
  Les plus connus de ces paramètres sont la variance et l’écart-
type. La variance est simplement le carré de l’écart-type.
2-1) Variance (S²):
 En cas de données non groupées, la variance s’écrit:
S²= [∑ (x – m)²]/N-1
 En cas de données groupées, la variance s’écrit:
S²= [∑ ni(xi – m)²]/N-1 / S²= (∑nixi²/N) – m²)

2-2) Ecart-type: S=√S²

Exemples:
Ex1: en cas de données non groupées; considérons les deux séries
précédentes:
 Série1: S²= [(15-25)²+(20-25)²+(25-25)²+(30-25)²+(35-
25)²]/ (5-1)= 62,5 . S= √62,5=7,9
 Série2: S²= [(5-25)²+(15-25)²+(25-25)²+(35-25)²+(45-25)²]/
(5-1)= 250. S= √250=15,8
EX2: en cas de données groupées; considérons le poids de 19
étudiants:
 Le calcul de la variance et l’écart-type du poids de 19
étudiants s’effectue ainsi: m= 67,5 kg
Poids (Kg) Centre de la Effectifs xini nixi²
classe (Xi) (ni)
[50-55[ 52,5 1 52,5 2756,25

[55-60[ 57,5 2 115 6612,5

[60-65[ 62,5 5 312,5 19531,25

[65-70[ 67,5 4 270 18225

[70-75[ 72,5 3 217,5 15768,75

[75-80[ 77,5 3 232,5 18018,75

[80-85[ 82,5 1 82,5 6806,25

Total 19 1282,5 87718,75

S²= [1(52,5-67,5)²+2(57,5-67,5)²+5(62,5-67,5)²+4(67,5-
67,5)²+3(72,5-67,5)² +3(77,5-67,5)²+1(82,5-67,5)²]/ (19-1)=
63,9 kg²
S= √63,9=8 Kg
2-3) Coefficient de variation:
 Le coefficient de variation (CV) exprime l’écart
type en fonction de la moyenne : CV = s/m.
 Pour la distribution du poids de 19 étudiants,
CV = 8,0/67.5 = 11,85%.
 La moyenne est représentative des valeurs de la
série.
 De façon générale :
 0 < CV <10% : représentativité bonne de la
moyenne
 10% < CV < 25% : représentativité
acceptable de la moyenne
 CV > 25% : représentativité médiocre de la
moyenne
 Si l’écart type quantifie la variabilité de la
distribution autour de la moyenne, le CV
exprime, sans unité, le degré de variabilité
relative, ou, en d’autres termes, le degré de
dispersion en fonction de la valeur moyenne.
 Le CV d’une distribution avec une moyenne de 10
et un écart type de 5 est : 5/10 = 1/2 (50%).
 Cette distribution a une variabilité plus
importante que celle d’une distribution de même
écart type mais avec une moyenne de 100 :
5/100 (5%).
 Les coefficients de variation sont directement
comparables. Lorsque deux distributions ont des
moyennes différentes, la comparaison de leurs
CV est plus instructive que celle de leurs écarts
types (ou de leurs variances) respectifs.
3) Quantiles:

• Les quantiles ou statistiques de position sont

des paramètres qui occupent un certain rang
dans la série des valeurs d’une série
statistique, valeurs classées selon un ordre
croissant ou décroissant.
• Les quantiles se subdivisent en:
 quartiles
 déciles
 percentiles
3-1)Quartiles:

• Les quartiles divisent la série statistique en quatre

parties égales comprenant le même nombre de
sujets.
• cela lorsqu’on utilise les pourcentages cumulés.

• L’écart interquartile (Q3 – Q1 = Interquartile Range)

peut être utilisé comme indicateur de dispersion, il
correspond à la moitié des valeurs situées dans la
partie centrale de la série.
Rang du quantile • Rang de la valeur du quantile

1er quantile
• 25ème sujet sur 100
« Q1 »

2ème quantile • 50ème sujet sur 100

• Correspond à la médiane
« Q2 »

3ème quantile
• 75ème sujet sur 100
« Q3 »
 Rang du
quantile
Q1 Q2 Q3

4.75ème valeur 14,25ème

Rang de la 9,5ème valeur
valeur
valeur (19/4) ( 19*2/4)
(19*3/4)

Classe de la
valeur
60-65 65-70 70-75

Valeur 62,5 kg 67,5 kg 72,5 kg

L’écart interquartile : 72,5 kg - 62,5kg= 10 kg

3-2) Déciles:

 Les déciles sont au nombre de 9.

 Ce sont les valeurs de la variable qui partagent la

série statistique en 10 parties comprenant chacune
1/10ème de l’effectif total.
Rang du décile • Rang de la valeur du décile

1er décile
• 10ème sujet sur 100
« D1 »

2ème décile • 20ème sujet sur 100

« D2 »

5ème décile • 50ème sujet sur 100

• Correspond au deuxième quartile
« D5 » • Correspond à la médiane
 Rang du
décile
D1 D2 D5 D9
10èmevaleur 17ème valeur
Rang de la 2ème valeur 4ème valeur
19*5/10=9,5 19*9/10 =
valeur 19/10 = 1,9 19*2/10=3.8
17,1

Classe de
la valeur
55-60 60-65 65-70 75-80

Valeur 57,5 kg. 62,5 67,5 kg 77,5 kg

Les classes «55-60» et «75-80» auxquelles appartiennent D1 et D9

contiennent respectivement les valeurs brutes :/ 57,740; 59,990; 60,400;
61,820; 61,820; 64,100; 64,990; 65,450; 66,330; 68,280;69,120; 70,130;
70,560; 72,880;76,340; 76,360; 79,650/
80% des valeurs de la série devraient se situer entre D1 et D9.
3-3) Percentiles:

 Les percentiles ou centiles, au nombre de 99, sont les

valeurs de la variable qui divisent la série statistique
en 100 parties contenant chacune 1/100ème de
l’effectif global.
 De façon générale, les percentiles sont utilisés
lorsque le nombre de valeurs de la série statistique
est supérieur à 1000.
 Le 42ème percentile, par exemple, est la note du
420ème sujet sur 1000.
 Certains percentiles se confondent avec des quantiles
déjà vus. Le dixième percentile, par exemple, se
confond avec le premier décile.
 Les percentiles sont aussi fréquemment utilisés en
biométrie. Comme les déciles, ils permettent de
situer la position d’un sujet quelconque par rapport
aux autres sujets de la série.
 Ex:
Par exemple, dans un percentilage du
poids, la mesure d’un sujet se situe dans le
5ème percentile, cela signifie que, sur 1000
sujets, il y en aura seulement 40 avec un
poids inférieur, mais 950 avec un poids
supérieur. Les 10 restants appartiennent
évidemment au 5ème percentile.
 NB: Les paramètres de tendance
centrale, les paramètres de dispersion ainsi
que les quantiles sont déterminés, de nos
jours, exclusivement par des moyens
informatiques.

 Logiciels :
Epiinfo, SPSS, Epidata, statistica , TGV
Biosta, EpiNut, etc.