Vous êtes sur la page 1sur 222

Statistique descriptive

Remita Mohamed Riad


Universit Badji Mokhtar, Facult des Sciences Mdicales, Dpartement de Mdecine

2012-2013

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

1 / 70

Gnralits
Dnition

Il nexiste pas de dnition prcise de la statistique mais, pour nous, nous


allons utiliser la dnition suivante :
On appelle statistique lensemble des mthodes ou techniques
permettant danalyser ou des traiter des ensembles dobservations
que nous appellerons donnes.
Les mthodes utilises relvent des mathmatiques et font largement appel
loutil informatique pour leur mise en uvre.
Remarque : Il ne faut pas confondre la statistique qui est la science qui
vient dtre dnie et une statistique qui est un ensemble de donnes
chires sur un sujet prcis.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

2 / 70

Gnralits
Historique

Nous distinguerons trois phases importantes dans lvolution de la


statistique :
- De lantiquit et jusqu la n du 19me sicle, la statistique
est reste principalement un ensemble de techniques de
dnombrement.
- De la n du 19me sicle aux annes 1960 sest construit la
statistique mathmatique surtout grce lcole anglaise (K.
Pearson, W. Gosset (Student), R. Fisher, J. Neyman, ...).

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

3 / 70

Gnralits
Historique

Nous distinguerons trois phases importantes dans lvolution de la


statistique :
- De lantiquit et jusqu la n du 19me sicle, la statistique
est reste principalement un ensemble de techniques de
dnombrement.
- De la n du 19me sicle aux annes 1960 sest construit la
statistique mathmatique surtout grce lcole anglaise (K.
Pearson, W. Gosset (Student), R. Fisher, J. Neyman, ...).
- Depuis les annes 1960, et avec le dveloppement des outils
informatique et graphique, la statistique a connu un
dveloppement considrable.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

3 / 70

Gnralits
Terminologie de base

Population : ensemble concern par une tude statistique (not ).


Individu : (unit statistique) : tout lment de la population (not
2 ).

Echantillon : sous ensemble de la population sur lequel sont ralises


les observations.
Enqute : Opration consistant observer (mesurer, questionner, ...)
lensemble des individus dun chantillon.

Recensement : enqute dans laquelle lchantillon observ est la


population toute entire (enqute exhaustive).
Sondage : enqute dans laquelle lchantillon observ est un sous
ensemble strict de la population (enqute non exhaustive).

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

4 / 70

Gnralits
Terminologie de base

Caractre : cest une caractristique dnie sur la population et


observe sur lchantillon. Le caractre peut tre :
- Qualitatif nominal (sexe, profession, situation familliale,
...)
- Qualitatif ordinal (grade militaire, grade dans
lenseignement suprieur, ...)
- Quantitatif discret (nombre denfants, nombre de
chambre dans un appartement, ...)
- Quantitatif continu (taille, ge, vitesse, poids, taux, ...)
Modalits : les direntes valeurs prises par chaque caractre.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

5 / 70

Gnralits
Dmarche statistique

Tableaux de donnes
Synthtiser
Tableaux statistiques
Visualiser
Reprsentations graphiques
Rsumer
Rsums numriques

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

6 / 70

Tableau de donnes
Caractre qualitatif

Exemple 1. Ltude de la situation familliale de 30 employs dune


entreprise est rsume dans le tableau suivant :
01
C
11
C
21
C

02
M
12
M
22
C

REMITA (Dpartement de Mdecine)

03
C
13
C
23
M

04
C
14
C
24
C

05
D
15
M
25
V

06
V
16
D
26
C

Biostatistique

07
M
17
C
27
C

08
M
18
C
28
M

09
C
19
M
29
C

10
D
20
M
30
C

24/10/2012

7 / 70

Tableau de donnes
Variable discrte (Caractre quantitatif discret)

Exemple 2. On tudie le nombre denfants dans une famille dans une cit
habite par 100 familles. On a obtenu les rsultats suivants :
01
2

02
0

03
4

REMITA (Dpartement de Mdecine)

04
2

...................
...................

Biostatistique

98
6

99
3

100
1

24/10/2012

8 / 70

Tableau de donnes
Variable continue (Caractre quantitatif continu)

Exemple 3. On tudie le poids en Kg de 150 nouveaux n dans une


maternit. On a obtenu les rsultats suivants :
01
2.356

02
3.102

03
2.212

REMITA (Dpartement de Mdecine)

04
4.125

...................
...................

Biostatistique

148
3.256

149
3.894

150
2.352

24/10/2012

9 / 70

Tableau statistique
Caractre qualitatif

Exemple 1. On reprend lexemple sur la situation familliale de 30


employs
X
Situation
familliale
C
M
D
V
Total

REMITA (Dpartement de Mdecine)

Eectif

Biostatistique

16
9
3
2
30

24/10/2012

10 / 70

Tableau statistique
Caractre qualitatif

X
Situation
familliale
C
M
D
V
Total

REMITA (Dpartement de Mdecine)

Eectif

Frquence

16
9
3
2
30

0.5333
0.3000
0.1000
0.0667
1

Biostatistique

24/10/2012

11 / 70

Tableau statistique
Caractre qualitatif

X
Situation
familliale
C
M
D
V
Total

REMITA (Dpartement de Mdecine)

Eectif

Frquence

Pourcentage

16
9
3
2
30

0.5333
0.3000
0.1000
0.0667
1

53.33
30
10
6.67
100

Biostatistique

24/10/2012

12 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Exemple 2. On reprend lexemple sur la distribution des familles suivant


le nombre denfants.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

13 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Exemple 2. On reprend lexemple sur la distribution des familles suivant


le nombre denfants.
X
Nombre
denfants
0
1
2
3
4
5
6 et plus
Total
REMITA (Dpartement de Mdecine)

Eectif

Biostatistique

11
16
21
25
17
8
2
100
24/10/2012

13 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

X
Nombre
denfants
0
1
2
3
4
5
6 et plus
Total

REMITA (Dpartement de Mdecine)

Eectif

Frquence

11
16
21
25
17
8
2
100

0.11
0.16
0.21
0.25
0.17
0.08
0.02
1

Biostatistique

24/10/2012

14 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

X
Nombre
denfants
0
1
2
3
4
5
6 et plus
Total

REMITA (Dpartement de Mdecine)

Eectif

Frquence

11
16
21
25
17
8
2
100

0.11
0.16
0.21
0.25
0.17
0.08
0.02
1

11
16
21
25
17
8
2
100

Biostatistique

24/10/2012

15 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

X
Nombre
denfants
0
1
2
3
4
5
6 et plus
Total

REMITA (Dpartement de Mdecine)

Eectif

Frquence

11
16
21
25
17
8
2
100

0.11
0.16
0.21
0.25
0.17
0.08
0.02
1

11
16
21
25
17
8
2
100

Biostatistique

Eectif
cumul
croissant
11
27
48
73
90
98
100

24/10/2012

16 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

X
Nombre
denfants
0
1
2
3
4
5
6 et plus
Total

Eectif

Frquence

11
16
21
25
17
8
2
100

0.11
0.16
0.21
0.25
0.17
0.08
0.02
1

11
16
21
25
17
8
2
100

REMITA (Dpartement de Mdecine)

Biostatistique

Eectif
cumul
croissant
11
27
48
73
90
98
100

Eectif
cumul
dcroissant
100
89
73
52
27
10
2

24/10/2012

17 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Soit X le caractre tudi

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

18 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Soit X le caractre tudi,


n la taille de lchantillon

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

18 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Soit X le caractre tudi,


n la taille de lchantillon,
k le nombre de modalits du caractre X

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

18 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Soit X le caractre tudi,


n la taille de lchantillon,
k le nombre de modalits du caractre X ,
x1 ,
, xk les modalits deectifs respectifs n1 ,

REMITA (Dpartement de Mdecine)

Biostatistique

, nk .

24/10/2012

18 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Soit X le caractre tudi,


n la taille de lchantillon,
k le nombre de modalits du caractre X ,
x1 ,
, xk les modalits deectifs respectifs n1 ,
Frquence de la modalit xi est fi = nni .

REMITA (Dpartement de Mdecine)

Biostatistique

, nk .

24/10/2012

18 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Soit X le caractre tudi,


n la taille de lchantillon,
k le nombre de modalits du caractre X ,
x1 ,
, xk les modalits deectifs respectifs n1 ,
, nk .
Frquence de la modalit xi est fi = nni .
Pourcentage de la modalit xi est pi = nni 100.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

18 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Soit X le caractre tudi,


n la taille de lchantillon,
k le nombre de modalits du caractre X ,
x1 ,
, xk les modalits deectifs respectifs n1 ,
, nk .
Frquence de la modalit xi est fi = nni .
Pourcentage de la modalit xi est pi = nni 100.
Eectif cumul croissant la modalit xi est
ncroissant = n1 + n2 +
+ ni .

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

18 / 70

Tableau statistique
Variable discrte (Caractre quantitatif discret)

Soit X le caractre tudi,


n la taille de lchantillon,
k le nombre de modalits du caractre X ,
x1 ,
, xk les modalits deectifs respectifs n1 ,
, nk .
Frquence de la modalit xi est fi = nni .
Pourcentage de la modalit xi est pi = nni 100.
Eectif cumul croissant la modalit xi est
ncroissant = n1 + n2 +
+ ni .
Eectif cumul dcroissant la modalit xi est
nd ecroissant
= nk + nk 1 +
+ ni .

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

18 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

19 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
On ordonne les donnes par ordre croissant et on calcule la longueur de la
srie statistique :

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

19 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
On ordonne les donnes par ordre croissant et on calcule la longueur de la
srie statistique :
tendue = e = xn

REMITA (Dpartement de Mdecine)

Biostatistique

x1

24/10/2012

19 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
On ordonne les donnes par ordre croissant et on calcule la longueur de la
srie statistique :
tendue = e = xn

x1

x1 est la plus petite observation

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

19 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
On ordonne les donnes par ordre croissant et on calcule la longueur de la
srie statistique :
tendue = e = xn

x1

x1 est la plus petite observation


xn est la plus grande observation

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

19 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
On ordonne les donnes par ordre croissant et on calcule la longueur de la
srie statistique :
tendue = e = xn

x1

x1 est la plus petite observation


xn est la plus grande observation
n tant le nombre dobservations.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

19 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour construire le tableau statistique on doit regrouper les donnes dans


des intervalles quappelle classes, pour cela on doit dabords dterminer
les nombre de classes qui sera dni par

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

20 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour construire le tableau statistique on doit regrouper les donnes dans


des intervalles quappelle classes, pour cela on doit dabords dterminer
les nombre de classes qui sera dni par
nc = 1 +

REMITA (Dpartement de Mdecine)

10
log10 n.
3

Biostatistique

24/10/2012

20 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour construire le tableau statistique on doit regrouper les donnes dans


des intervalles quappelle classes, pour cela on doit dabords dterminer
les nombre de classes qui sera dni par
nc = 1 +

10
log10 n.
3

Par la suite on dtermine la longueur des classes quon appelle amplitude


telle que

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

20 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour construire le tableau statistique on doit regrouper les donnes dans


des intervalles quappelle classes, pour cela on doit dabords dterminer
les nombre de classes qui sera dni par
nc = 1 +

10
log10 n.
3

Par la suite on dtermine la longueur des classes quon appelle amplitude


telle que
e
a=
nc

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

20 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour notre exemple on a x1 = 2.212 et xn = 4.593.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

21 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour notre exemple on a x1 = 2.212 et xn = 4.593.


alors
e = 4.593 2.212 = 2.381

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

21 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour notre exemple on a x1 = 2.212 et xn = 4.593.


alors
e = 4.593 2.212 = 2.381
nc = 1 +

REMITA (Dpartement de Mdecine)

10
log10 150 = 8.2536
3

Biostatistique

24/10/2012

21 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour notre exemple on a x1 = 2.212 et xn = 4.593.


alors
e = 4.593 2.212 = 2.381
nc = 1 +

REMITA (Dpartement de Mdecine)

10
log10 150 = 8.2536
3

Biostatistique

24/10/2012

21 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour notre exemple on a x1 = 2.212 et xn = 4.593.


alors
e = 4.593 2.212 = 2.381
nc = 1 +

a=

REMITA (Dpartement de Mdecine)

10
log10 150 = 8.2536
3

e
2.381
=
nc
8

0.2976

Biostatistique

24/10/2012

21 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

Pour notre exemple on a x1 = 2.212 et xn = 4.593.


alors
e = 4.593 2.212 = 2.381
nc = 1 +

a=

REMITA (Dpartement de Mdecine)

10
log10 150 = 8.2536
3

e
2.381
=
nc
8

0.2976

Biostatistique

0.3

24/10/2012

21 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

X
Poids des
nouveaux n
]2.2; 2.5]
]2.5; 2.8]
]2.8; 3.1]
]3.1; 3.4]
]3.4; 3.7]
]3.7; 4.0]
]4.0; 4.3]
]4.3; 4.6]
Total

REMITA (Dpartement de Mdecine)

Biostatistique

Centre
2.35
2.65
2.95
3.25
3.55
3.85
4.15
4.45

24/10/2012

22 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

X
Poids des
nouveaux n
]2.2; 2.5]
]2.5; 2.8]
]2.8; 3.1]
]3.1; 3.4]
]3.4; 3.7]
]3.7; 4.0]
]4.0; 4.3]
]4.3; 4.6]
Total

REMITA (Dpartement de Mdecine)

Centre

Eectif

2.35
2.65
2.95
3.25
3.55
3.85
4.15
4.45

5
11
21
39
35
20
13
6
150

Biostatistique

24/10/2012

23 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

X
Poids des
nouveaux n
]2.2; 2.5]
]2.5; 2.8]
]2.8; 3.1]
]3.1; 3.4]
]3.4; 3.7]
]3.7; 4.0]
]4.0; 4.3]
]4.3; 4.6]
Total

REMITA (Dpartement de Mdecine)

Centre

Eectif

Frquence

2.35
2.65
2.95
3.25
3.55
3.85
4.15
4.45

5
11
21
39
35
20
13
6
150

0.0333
0.0733
0.1400
0.2600
0.2333
0.1333
0.0867
0.0400
1

3.33
7.33
14
26
23.33
13.33
8.67
4
100

Biostatistique

24/10/2012

24 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

X
Poids des
nouveaux n
]2.2; 2.5]
]2.5; 2.8]
]2.8; 3.1]
]3.1; 3.4]
]3.4; 3.7]
]3.7; 4.0]
]4.0; 4.3]
]4.3; 4.6]
Total

Centre

Eectif

Frquence

2.35
2.65
2.95
3.25
3.55
3.85
4.15
4.45

5
11
21
39
35
20
13
6
150

0.0333
0.0733
0.1400
0.2600
0.2333
0.1333
0.0867
0.0400
1

3.33
7.33
14
26
23.33
13.33
8.67
4
100

REMITA (Dpartement de Mdecine)

Biostatistique

Eectif
cumul
croissant
5
16
37
76
111
131
144
150

24/10/2012

25 / 70

Tableau statistique
Variable continue (Caractre quantitatif continu)

X
Poids des
nouveaux n
]2.2; 2.5]
]2.5; 2.8]
]2.8; 3.1]
]3.1; 3.4]
]3.4; 3.7]
]3.7; 4.0]
]4.0; 4.3]
]4.3; 4.6]
Total

Centre

Eectif

Frquence

2.35
2.65
2.95
3.25
3.55
3.85
4.15
4.45

5
11
21
39
35
20
13
6
150

0.0333
0.0733
0.1400
0.2600
0.2333
0.1333
0.0867
0.0400
1

3.33
7.33
14
26
23.33
13.33
8.67
4
100

REMITA (Dpartement de Mdecine)

Biostatistique

Eectif
cumul
croissant
5
16
37
76
111
131
144
150

Eectif
cumul
dcroissan
150
145
134
113
74
39
19
6

24/10/2012

26 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Exemple 1. On reprend lexemple sur la situation familliale de 30


employs

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

27 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Exemple 1. On reprend lexemple sur la situation familliale de 30


employs
Diagramme bandes

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

27 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Exemple 1. On reprend lexemple sur la situation familliale de 30


employs
Diagramme bandes

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

27 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme bandes

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

28 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

29 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Clibataire"

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

29 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Clibataire"
C ! 16
360 ! 30

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

29 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Clibataire"
C ! 16
360 ! 30

REMITA (Dpartement de Mdecine)

=) C =

Biostatistique

16

360
= 192
30

24/10/2012

29 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Clibataire"
C ! 16
360 ! 30

=) C =

16

360
= 192
30

Secteur pour "Mari"

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

29 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Clibataire"
C ! 16
360 ! 30

=) C =

16

360
= 192
30

Secteur pour "Mari"


9 360
M ! 9
=) M =
= 108
360 ! 30
30

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

29 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

30 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Divorc"

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

30 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Divorc"
3 360
D ! 3
=) D =
= 36
360 ! 30
30

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

30 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Divorc"
3 360
D ! 3
=) D =
= 36
360 ! 30
30
Secteur pour "Veuf"

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

30 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

Diagramme circulaire
Secteur pour "Divorc"
3 360
D ! 3
=) D =
= 36
360 ! 30
30
Secteur pour "Veuf"
2 360
V ! 2
=) V =
= 24
360 ! 30
30

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

30 / 70

Reprsentation graphique
Caractre qualitatif (distribution des eectifs)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

31 / 70

Reprsentation graphique
Variable discrte (Caractre quantitatif discret) (distribution des eectifs)

Exemple 2. On reprend lexemple sur la distribution des familles suivant


le nombre denfants.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

32 / 70

Reprsentation graphique
Variable discrte (Caractre quantitatif discret) (distribution des eectifs)

Exemple 2. On reprend lexemple sur la distribution des familles suivant


le nombre denfants.
X
Nombre Eectif
denfants
0
11
1
16
2
21
3
25
4
17
5
8
6 et plus
2
Total
100

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

32 / 70

Reprsentation graphique
Variable discrte (Caractre quantitatif discret) (distribution des eectifs)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

33 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

34 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
Histogramme (cas de classes de mme amplitude)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

34 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
Histogramme (cas de classes de mme amplitude)
X
Nombre
denfants
]2.2; 2.5]
]2.5; 2.8]
]2.8; 3.1]
]3.1; 3.4]
]3.4; 3.7]
]3.7; 4.0]
]4.0; 4.3]
]4.3; 4.6]
Total
REMITA (Dpartement de Mdecine)

Centre

Eectif

2.35
2.65
2.95
3.25
3.55
3.85
4.15
4.45

5
11
21
39
35
20
13
6
150

Biostatistique

24/10/2012

34 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes de mme amplitude)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

35 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes de mme amplitude)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

35 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes de mme amplitude)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

36 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes de mme amplitude)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

36 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes damplitudes direntes)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

37 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes damplitudes direntes)


Si nous considrons que lamplitude de la classe reprsente lunit
(longueur gale 1) alors la surface de lhistogramme est
5 + 11 + 21 + 39 + 35 + 20 + 13 + 6 = 150 qui est la taille de
lchantillon.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

37 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes damplitudes direntes)


Si nous considrons que lamplitude de la classe reprsente lunit
(longueur gale 1) alors la surface de lhistogramme est
5 + 11 + 21 + 39 + 35 + 20 + 13 + 6 = 150 qui est la taille de
lchantillon.
La surface totale de lhistogramme doit tre toujours gale la
taille de lchantillon.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

37 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes damplitudes direntes)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

38 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes damplitudes direntes)


Nous regroupons les deux premires classes puis les trois dernires classes

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

38 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes damplitudes direntes)


Nous regroupons les deux premires classes puis les trois dernires classes
X
Nombre
denfants
]2.2; 2.8]
]2.8; 3.1]
]3.1; 3.4]
]3.4; 3.7]
]3.7; 4.6]
Total

Centre

Eectif

Frquence

2.50
2.95
3.25
3.55
4.15

16
21
39
35
39
150

0.1067
0.1400
0.2600
0.2333
0.2600
1

10.67
14
26
23.33
26
100

REMITA (Dpartement de Mdecine)

Biostatistique

Eectif
cumul
croissant
16
37
76
111
150

Eectif
cumul
dcroissant
150
134
113
74
39

24/10/2012

38 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes damplitudes direntes)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

39 / 70

Reprsentation graphique
Variable continue (Caractre quantitatif continu) (distribution des eectifs)

Histogramme (cas de classes damplitudes direntes)

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

39 / 70

Reprsentation graphique
Variable discrte (distribution des eectifs cumuls croissants)

Exemple 2. On reprend lexemple sur la distribution des familles suivant


le nombre denfants.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

40 / 70

Reprsentation graphique
Variable discrte (distribution des eectifs cumuls croissants)

Exemple 2. On reprend lexemple sur la distribution des familles suivant


le nombre denfants.
X
Nombre
denfants
0
1
2
3
4
5
6 et plus
Total
REMITA (Dpartement de Mdecine)

Eectif
cumul
croissant
11
27
48
73
90
98
100

Biostatistique

24/10/2012

40 / 70

Reprsentation graphique
Variable continue (distribution des eectifs cumuls croissants)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

41 / 70

Reprsentation graphique
Variable continue (distribution des eectifs cumuls croissants)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
Courbe des eectifs cumuls croissants

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

41 / 70

Reprsentation graphique
Variable continue (distribution des eectifs cumuls croissants)

Exemple 3. On reprend lexemple sur la distribution des nouveaux n


suivant leur poids.
Courbe des eectifs cumuls croissants
X
Nombre
denfants
]2.2; 2.5]
]2.5; 2.8]
]2.8; 3.1]
]3.1; 3.4]
]3.4; 3.7]
]3.7; 4.0]
]4.0; 4.3]
]4.3; 4.6]
Total
REMITA (Dpartement de Mdecine)

Centre
2.35
2.65
2.95
3.25
3.55
3.85
4.15
4.45
Biostatistique

Eectif
cumul
croissant
5
16
37
76
111
131
144
150
24/10/2012

41 / 70

Reprsentation graphique
Variable continue (distribution des eectifs cumuls croissants)

Courbe des eectifs cumuls croissants

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

42 / 70

Reprsentation graphique
Variable continue (distribution des eectifs cumuls croissants)

Courbe des eectifs cumuls croissants

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

42 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :
1

Les paramtres du 1er ordre ou paramtres de position :

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :
1

Les paramtres du 1er ordre ou paramtres de position : moyenne


arithmtique,

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :
1

Les paramtres du 1er ordre ou paramtres de position : moyenne


arithmtique, mode

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :
1

Les paramtres du 1er ordre ou paramtres de position : moyenne


arithmtique, mode et mdiane.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :
1

Les paramtres du 1er ordre ou paramtres de position : moyenne


arithmtique, mode et mdiane.
Les paramtres du 2me ordre ou paramtres de dispertion :

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :
1

Les paramtres du 1er ordre ou paramtres de position : moyenne


arithmtique, mode et mdiane.
Les paramtres du 2me ordre ou paramtres de dispertion :
cart-type,

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :
1

Les paramtres du 1er ordre ou paramtres de position : moyenne


arithmtique, mode et mdiane.
Les paramtres du 2me ordre ou paramtres de dispertion :
cart-type, coe cient de variation

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position et de dispertion

Lensemble des donnes dune srie statistique est dun maniement lourd
et di cile. Il simpose donc de dnir un ensemble de valeurs
caractristiques (ou paramtres) qui permettent une reprsentation
condense de linformation contenue dans la srie statistique. On
distingue deux catgories de valeurs typiques :
1

Les paramtres du 1er ordre ou paramtres de position : moyenne


arithmtique, mode et mdiane.
Les paramtres du 2me ordre ou paramtres de dispertion :
cart-type, coe cient de variation et tendue interquartile.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

43 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.
Lensemble 2, 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.
Lensemble 2, 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a deux modes
Mo1 = 2 et Mo2 = 9, on dit que cest une srie bimodale.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.
Lensemble 2, 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a deux modes
Mo1 = 2 et Mo2 = 9, on dit que cest une srie bimodale.
Pour lexemple 1

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.
Lensemble 2, 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a deux modes
Mo1 = 2 et Mo2 = 9, on dit que cest une srie bimodale.
Pour lexemple 1 le mode est Mo = Clibataire.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.
Lensemble 2, 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a deux modes
Mo1 = 2 et Mo2 = 9, on dit que cest une srie bimodale.
Pour lexemple 1 le mode est Mo = Clibataire.
Pour lexemple 2

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.
Lensemble 2, 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a deux modes
Mo1 = 2 et Mo2 = 9, on dit que cest une srie bimodale.
Pour lexemple 1 le mode est Mo = Clibataire.
Pour lexemple 2 le mode est Mo = 3.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.
Lensemble 2, 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a deux modes
Mo1 = 2 et Mo2 = 9, on dit que cest une srie bimodale.
Pour lexemple 1 le mode est Mo = Clibataire.
Pour lexemple 2 le mode est Mo = 3.
Pour lexemple 3

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
Le Mode

Le mode, not Mo, dun caractre (qualitatif ou quantitatif) est la


modalit la plus observe, cest dire celle qui a le plus grand eectif ou la
plus grande frquence. Le mode peut ne pas exister et sil existe, ne pas
tre unique.
Lensemble 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a pour mode Mo = 9
Lensemble 3, 5, 8, 10, 12, 15, 16 na pas de mode.
Lensemble 2, 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 a deux modes
Mo1 = 2 et Mo2 = 9, on dit que cest une srie bimodale.
Pour lexemple 1 le mode est Mo = Clibataire.
Pour lexemple 2 le mode est Mo = 3.
Pour lexemple 3 la classe modale est ]3, 1; 3, 4] et le mode sera le
centre de la classe cest dire Mo = 3, 250.
REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

44 / 70

Paramtres de position
La Moyenne arithmtique

La moyenne arithmtique dune srie statistique x1 , x2 ,


caractre quantitatif X , et deectifs respectifs n1 , n2 ,
par le nombre rel X dni par

REMITA (Dpartement de Mdecine)

Biostatistique

, xk , dun
, nk est donn

24/10/2012

45 / 70

Paramtres de position
La Moyenne arithmtique

La moyenne arithmtique dune srie statistique x1 , x2 ,


caractre quantitatif X , et deectifs respectifs n1 , n2 ,
par le nombre rel X dni par
X =

, xk , dun
, nk est donn

1 k
ni xi
n i
=1

o xi est la modalit i de la variable X dans le cas dune variable discrte


et cest le centre de la classe i dans le cas dune variable continue et
n = ki=1 ni .

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

45 / 70

Paramtres de position
La Moyenne arithmtique

Exemple : On reprend lexemple 2


X
Nombre
denfants
0
1
2
3
4
5
6 et plus
Total

REMITA (Dpartement de Mdecine)

Eectif

ni xi

11
16
21
25
17
8
2
100

0
16
42
75
68
40
12
253

Biostatistique

24/10/2012

46 / 70

Paramtres de position
La Moyenne arithmtique

Exemple : On reprend lexemple 2


X
Nombre
denfants
0
1
2
3
4
5
6 et plus
Total
do X =

253
100

Eectif

ni xi

11
16
21
25
17
8
2
100

0
16
42
75
68
40
12
253

= 2, 53.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

46 / 70

Paramtres de position
La Mdiane

Soit une srie statistique dune variable X ayant pour modalits


(ordonnes par ordre croissant) x1 < x2 <
< xn .

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

47 / 70

Paramtres de position
La Mdiane

Soit une srie statistique dune variable X ayant pour modalits


(ordonnes par ordre croissant) x1 < x2 <
< xn . On appelle mdiane
de X , le nombre Me, sil existe, qui partage la srie statistique en deux
parties dgal eectif.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

47 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Considrons les notes de 19 tudiants obtenues lexamen de statistiques :

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

48 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Considrons les notes de 19 tudiants obtenues lexamen de statistiques :


9, 15, 4, 8, 16, 10, 11, 10, 5, 12, 9, 10, 7, 12, 15, 11, 6, 13, 12.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

48 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Considrons les notes de 19 tudiants obtenues lexamen de statistiques :


9, 15, 4, 8, 16, 10, 11, 10, 5, 12, 9, 10, 7, 12, 15, 11, 6, 13, 12.
On ordonne la srie par ordre croissant, on a alors

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

48 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Considrons les notes de 19 tudiants obtenues lexamen de statistiques :


9, 15, 4, 8, 16, 10, 11, 10, 5, 12, 9, 10, 7, 12, 15, 11, 6, 13, 12.
On ordonne la srie par ordre croissant, on a alors
4, 5, 6, 7, 8, 9, 9, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

48 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Considrons les notes de 19 tudiants obtenues lexamen de statistiques :


9, 15, 4, 8, 16, 10, 11, 10, 5, 12, 9, 10, 7, 12, 15, 11, 6, 13, 12.
On ordonne la srie par ordre croissant, on a alors
4, 5, 6, 7, 8, 9, 9, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
La moiti de la srie est 9 alors

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

48 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Considrons les notes de 19 tudiants obtenues lexamen de statistiques :


9, 15, 4, 8, 16, 10, 11, 10, 5, 12, 9, 10, 7, 12, 15, 11, 6, 13, 12.
On ordonne la srie par ordre croissant, on a alors
4, 5, 6, 7, 8, 9, 9, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
La moiti de la srie est 9 alors
4, 5, 6, 7, 8, 9, 9, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
|
{z
}
|
{z
}
9 valeurs

REMITA (Dpartement de Mdecine)

9 valeurs

Biostatistique

24/10/2012

48 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Considrons les notes de 19 tudiants obtenues lexamen de statistiques :


9, 15, 4, 8, 16, 10, 11, 10, 5, 12, 9, 10, 7, 12, 15, 11, 6, 13, 12.
On ordonne la srie par ordre croissant, on a alors
4, 5, 6, 7, 8, 9, 9, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
La moiti de la srie est 9 alors
4, 5, 6, 7, 8, 9, 9, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
|
{z
}
|
{z
}
9 valeurs

9 valeurs

la mdiane est le nombre qui partage la srie en deux parties de mme


efectif, la valeur qui ralise ceci est 11 donc Me = 11.
REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

48 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

On ajoute maintenant la note 7 la srie prcdente, on a alors une srie


de 20 notes :

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

49 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

On ajoute maintenant la note 7 la srie prcdente, on a alors une srie


de 20 notes :
4, 5, 6, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

49 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

On ajoute maintenant la note 7 la srie prcdente, on a alors une srie


de 20 notes :
4, 5, 6, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
La moiti de la srie est 10 alors

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

49 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

On ajoute maintenant la note 7 la srie prcdente, on a alors une srie


de 20 notes :
4, 5, 6, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
La moiti de la srie est 10 alors
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 11, 11, 12, 12, 12, 13, 15, 15, 16.
|
{z
} |
{z
}
10 valeurs

REMITA (Dpartement de Mdecine)

10 valeurs

Biostatistique

24/10/2012

49 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

On ajoute maintenant la note 7 la srie prcdente, on a alors une srie


de 20 notes :
4, 5, 6, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
La moiti de la srie est 10 alors
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 11, 11, 12, 12, 12, 13, 15, 15, 16.
|
{z
} |
{z
}
10 valeurs

10 valeurs

la mdiane est le nombre qui partage la srie en deux parties de mme


efectif, elle se trouve entre le dernier 10 et le premier 11,

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

49 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

On ajoute maintenant la note 7 la srie prcdente, on a alors une srie


de 20 notes :
4, 5, 6, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 12, 13, 15, 15, 16.
La moiti de la srie est 10 alors
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 11, 11, 12, 12, 12, 13, 15, 15, 16.
|
{z
} |
{z
}
10 valeurs

10 valeurs

la mdiane est le nombre qui partage la srie en deux parties de mme


efectif, elle se trouve entre le dernier 10 et le premier 11, dans ce cas on
prendra la valeur moyenne de ces deux notes, alors Me = 10 +2 11 = 10, 5.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

49 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Dune manire gnrale soit X est une variable discrte prenant les valeurs
ordonnes x1 , x2 ,
, xp , xp +1, , xn ,

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

50 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Dune manire gnrale soit X est une variable discrte prenant les valeurs
ordonnes x1 , x2 ,
, xp , xp +1, , xn , alors si

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

50 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Dune manire gnrale soit X est une variable discrte prenant les valeurs
ordonnes x1 , x2 ,
, xp , xp +1, , xn , alors si
n = 2p =) Me =

REMITA (Dpartement de Mdecine)

Biostatistique

xp + xp +1
2

24/10/2012

50 / 70

Paramtres de position
La Mdiane (Cas dune variable discrte)

Dune manire gnrale soit X est une variable discrte prenant les valeurs
ordonnes x1 , x2 ,
, xp , xp +1, , xn , alors si
xp + xp +1
2
n = 2p + 1 =) Me = xp +1 .
n = 2p =) Me =

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

50 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

On considre lexemple des nouveaux n


X
Poids
en Kg
]2, 2; 2, 5]
]2, 5; 2, 8]
]2, 8; 3, 1]
]3, 1; 3, 4]
]3, 4; 3, 7]
]3, 7; 4, 0]
]4, 0; 4, 3]
]4, 3; 4, 6]
Total

REMITA (Dpartement de Mdecine)

Centre

Eectif

2,35
2,65
2,95
3,25
3,55
3,85
4,15
4,45

5
11
21
39
35
20
13
6
150

Biostatistique

Eectif
Cumul
croissant
5
16
37
76
111
131
144
150

ni xi
11,75
29,15
61,95
126,75
124,25
77
53,95
26,7
511,5

24/10/2012

51 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

On considre lexemple des nouveaux n


X
Poids
en Kg
]2, 2; 2, 5]
]2, 5; 2, 8]
]2, 8; 3, 1]
]3, 1; 3, 4]
]3, 4; 3, 7]
]3, 7; 4, 0]
]4, 0; 4, 3]
]4, 3; 4, 6]
Total

Centre

Eectif

2,35
2,65
2,95
3,25
3,55
3,85
4,15
4,45

5
11
21
39
35
20
13
6
150

Eectif
Cumul
croissant
5
16
37
76
111
131
144
150

ni xi
11,75
29,15
61,95
126,75
124,25
77
53,95
26,7
511,5

On dtermine dabord la classe mdiane qui correspond la moiti des


eectifs n2 = 75 do M 2 ]3, 1; 3, 4] .

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

51 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

Pour dterminer M on considre la courbe des eectifs cumuls croissants


mais on ne sintressera qu la portion de la classe ]3, 1; 3, 4]

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

52 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

Pour dterminer M on considre la courbe des eectifs cumuls croissants


mais on ne sintressera qu la portion de la classe ]3, 1; 3, 4]

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

52 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

Daprs le thorme de Thales on a


AB
AD

REMITA (Dpartement de Mdecine)

BC
DE

Biostatistique

24/10/2012

53 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

Daprs le thorme de Thales on a


AB
AD

REMITA (Dpartement de Mdecine)

BC
75
M 3, 1
=
=)
DE
3, 4 3, 1
76

Biostatistique

37
37

24/10/2012

53 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

Daprs le thorme de Thales on a


AB
AD

BC
75
M 3, 1
=
=)
DE
3, 4 3, 1
76
38
=) M = 0, 3 + 3, 1
39

REMITA (Dpartement de Mdecine)

Biostatistique

37
37

24/10/2012

53 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

Daprs le thorme de Thales on a


AB
AD

BC
75
M 3, 1
=
=)
DE
3, 4 3, 1
76
38
=) M = 0, 3 + 3, 1
39
=) M 3, 392 Kg

REMITA (Dpartement de Mdecine)

Biostatistique

37
37

24/10/2012

53 / 70

Paramtres de position
La Mdiane (Cas dune variable continue)

Daprs le thorme de Thales on a


AB
AD

BC
75
M 3, 1
=
=)
DE
3, 4 3, 1
76
38
=) M = 0, 3 + 3, 1
39
=) M 3, 392 Kg

On a aussi pour cet exemple X =

REMITA (Dpartement de Mdecine)

511,5
150

Biostatistique

37
37

3, 41 Kg

24/10/2012

53 / 70

Paramtres de dispersion
Lcart type

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

54 / 70

Paramtres de dispersion
Lcart type

Lcart type dune srie statistique (x1 , x2 ,


, xk ), dun caractre X , et
deectif respectif respectif (n1 , n2 ,
, nk ) est donn par le nombre rel
X dni par

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

54 / 70

Paramtres de dispersion
Lcart type

Lcart type dune srie statistique (x1 , x2 ,


, xk ), dun caractre X , et
deectif respectif respectif (n1 , n2 ,
, nk ) est donn par le nombre rel
X dni par
s
1 n
2
ni xi X
X =

n i =1

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

54 / 70

Paramtres de dispersion
Lcart type

Lcart type dune srie statistique (x1 , x2 ,


, xk ), dun caractre X , et
deectif respectif respectif (n1 , n2 ,
, nk ) est donn par le nombre rel
X dni par
s
1 n
2
ni xi X
X =

n i =1
o n = ni=1 ni .

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

54 / 70

Paramtres de dispersion
Lcart type

Lcart type dune srie statistique (x1 , x2 ,


, xk ), dun caractre X , et
deectif respectif respectif (n1 , n2 ,
, nk ) est donn par le nombre rel
X dni par
s
1 n
2
ni xi X
X =

n i =1
o n = ni=1 ni .
xi est la modalit i de la variable X dans le cas dune variable discrte et
cest le centre de la classe i dans le cas dune variable continue.
Remarque 1. On peut aussi dcrire X sous la forme suivante
s
1 n
2
ni xi2 X .
X =
n i
=1

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

54 / 70

Paramtres de dispersion
Lcart type

Lcart type dune srie statistique (x1 , x2 ,


, xk ), dun caractre X , et
deectif respectif respectif (n1 , n2 ,
, nk ) est donn par le nombre rel
X dni par
s
1 n
2
ni xi X
X =

n i =1
o n = ni=1 ni .
xi est la modalit i de la variable X dans le cas dune variable discrte et
cest le centre de la classe i dans le cas dune variable continue.
Remarque 1. On peut aussi dcrire X sous la forme suivante
s
1 n
2
ni xi2 X .
X =
n i
=1
Remarque 2. On appelle variance de la variable X , not Var (X ) , le carr
de lcart type. Var (X ) = 2X .
REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

54 / 70

Paramtres de dispersion
Lcart type

Exemple : On reprend lexemple de la distribution des nouveaux n


suivant leur poids.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

55 / 70

Paramtres de dispersion
Lcart type

Exemple : On reprend lexemple de la distribution des nouveaux n


suivant leur poids.
X
Poids
en Kg
]2, 2; 2, 5]
]2, 5; 2, 8]
]2, 8; 3, 1]
]3, 1; 3, 4]
]3, 4; 3, 7]
]3, 7; 4, 0]
]4, 0; 4, 3]
]4, 3; 4, 6]
Total

Centre

Eectif

2, 35
2, 65
2, 95
3, 25
3, 55
3, 85
4, 15
4, 45

5
11
21
39
35
20
13
6
150

REMITA (Dpartement de Mdecine)

Eectif
Cumul
croissant
5
16
37
76
111
131
144
150

Biostatistique

ni xi

ni xi2

11, 75
29, 15
61, 95
126, 75
124, 25
77
53, 95
26, 7
511, 5

27, 6125
77, 2475
182, 7525
411, 9375
441, 0875
296, 45
223, 8925
118, 815
1779, 795
24/10/2012

55 / 70

Paramtres de dispersion
Lcart type

On a
X

REMITA (Dpartement de Mdecine)

1 8
ni xi
n i
=1

Biostatistique

24/10/2012

56 / 70

Paramtres de dispersion
Lcart type

On a
X

REMITA (Dpartement de Mdecine)

1 8
511, 5
ni xi =

n i =1
150

Biostatistique

3, 41Kg

24/10/2012

56 / 70

Paramtres de dispersion
Lcart type

On a
X

1 8
511, 5
ni xi =

n i =1
150

2X

1 8
ni xi2
n i
=1

REMITA (Dpartement de Mdecine)

3, 41Kg

Biostatistique

24/10/2012

56 / 70

Paramtres de dispersion
Lcart type

On a
X

1 8
511, 5
ni xi =

n i =1
150

2X

1 8
ni xi2
n i
=1

REMITA (Dpartement de Mdecine)

X =

Biostatistique

3, 41Kg
1779, 795
150

3, 412

24/10/2012

56 / 70

Paramtres de dispersion
Lcart type

On a
X

1 8
511, 5
ni xi =

n i =1
150

2X

1 8
ni xi2
n i
=1

=) 2X

REMITA (Dpartement de Mdecine)

X =

3, 41Kg
1779, 795
150

3, 412

0, 2372

Biostatistique

24/10/2012

56 / 70

Paramtres de dispersion
Lcart type

On a
X

1 8
511, 5
ni xi =

n i =1
150

2X

1 8
ni xi2
n i
=1

=) 2X

REMITA (Dpartement de Mdecine)

X =

3, 41Kg
1779, 795
150

0, 2372 =) X

Biostatistique

3, 412

0, 4870Kg .

24/10/2012

56 / 70

Paramtres de dispersion
Coe cient de variation

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

57 / 70

Paramtres de dispersion
Coe cient de variation

Le coe cient de variation est un paramtre de dispersion relative exprim


en pourcentage et dni par
CVX = 100

REMITA (Dpartement de Mdecine)

Biostatistique

X
.
X

24/10/2012

57 / 70

Paramtres de dispersion
Coe cient de variation

Le coe cient de variation est un paramtre de dispersion relative exprim


en pourcentage et dni par
CVX = 100

X
.
X

Pour lexemple prcdent on obtient


CVX

REMITA (Dpartement de Mdecine)

100

Biostatistique

0, 4870
3, 41

24/10/2012

57 / 70

Paramtres de dispersion
Coe cient de variation

Le coe cient de variation est un paramtre de dispersion relative exprim


en pourcentage et dni par
CVX = 100

X
.
X

Pour lexemple prcdent on obtient


CVX

REMITA (Dpartement de Mdecine)

0, 4870
3, 41
=) 14, 28%.

100

Biostatistique

24/10/2012

57 / 70

Paramtres de dispersion
Etendue interquartile

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

58 / 70

Paramtres de dispersion
Etendue interquartile

Les quartiles dune srie statistique sont les valeurs qui partagent la srie
en quatre parties de mme eectif. Alors il existe trois quartiles, le premier
quartile Q1 , le deuxime quartile Q2 et le troisime quartile Q3 . Le
deuxime quartile Q2 tant la mdiane M.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

58 / 70

Paramtres de dispersion
Etendue interquartile

Les quartiles dune srie statistique sont les valeurs qui partagent la srie
en quatre parties de mme eectif. Alors il existe trois quartiles, le premier
quartile Q1 , le deuxime quartile Q2 et le troisime quartile Q3 . Le
deuxime quartile Q2 tant la mdiane M.
Ltendue interquartile est la dirence entre le troisime et le premier
quartile et on le note
IQR = Q3 Q1 .

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

58 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1 =) p = 10

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1 =) p = 10 do Q2 = M = xp +1 = x11 = 10.

4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16 .
|
{z
}
|
{z
}

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1 =) p = 10 do Q2 = M = xp +1 = x11 = 10.

4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16 .
|
{z
}
|
{z
}

et p = 10 = 2

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1 =) p = 10 do Q2 = M = xp +1 = x11 = 10.

4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16 .
|
{z
}
|
{z
}

et p = 10 = 2

5 =) p = 5

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1 =) p = 10 do Q2 = M = xp +1 = x11 = 10.

4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16 .
|
{z
}
|
{z
}

et p = 10 = 2

5 =) p = 5 do Q1 =

REMITA (Dpartement de Mdecine)

Biostatistique

x 5 +x 6
2

7 +8
2

= 7, 5.

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1 =) p = 10 do Q2 = M = xp +1 = x11 = 10.

4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16 .
|
{z
}
|
{z
}

et p = 10 = 2

5 =) p = 5 do Q1 =

4, 5, 6, 7, 7, 8,5, 8, 9, 9, 10, 10,


| {z }
|
{z
}

REMITA (Dpartement de Mdecine)

Biostatistique

x 5 +x 6
2

7 +8
2

= 7, 5.

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1 =) p = 10 do Q2 = M = xp +1 = x11 = 10.

4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16 .
|
{z
}
|
{z
}

et p = 10 = 2

5 =) p = 5 do Q1 =

x 5 +x 6
2

4, 5, 6, 7, 7, 8,5, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12,


| {z }
|
|
{z
}
{z
}

REMITA (Dpartement de Mdecine)

Biostatistique

7 +8
2

= 7, 5.

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable discrte


Exemple : Considrons les notes de 21 tudiants obtenues lexamen de
biostatistique
4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16.

On a n = 21 = 2

10 + 1 =) p = 10 do Q2 = M = xp +1 = x11 = 10.

4, 5, 6, 7, 7, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 13, 13, 15, 15, 16 .
|
{z
}
|
{z
}

et p = 10 = 2

5 =) p = 5 do Q1 =

x 5 +x 6
2

7 +8
2

= 7, 5.

4, 5, 6, 7, 7, 8,5, 8, 9, 9, 10, 10, 10, 11, 11, 11, 12, 12, 12,5, 13, 13, 15, 15, 16 .
| {z }
|
|
|
{z
}
{z
}
{z
}

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

59 / 70

Paramtres de dispersion
Etendue interquartile

Cas dune variable continue


Exemple : On considre lexemple des nouveuax n.
X
Poids
en Kg
]2, 2; 2, 5]
]2, 5; 2, 8]
]2, 8; 3, 1]
]3, 1; 3, 4]
]3, 4; 3, 7]
]3, 7; 4, 0]
]4, 0; 4, 3]
]4, 3; 4, 6]
Total
REMITA (Dpartement de Mdecine)

Centre

Eectif

2,35
2,65
2,95
3,25
3,55
3,85
4,15
4,45

5
11
21
39
35
20
13
6
150

Biostatistique

Eectif
Cumul
croissant
5
16
37
76
111
131
144
150

24/10/2012

60 / 70

Paramtres de dispersion
Etendue interquartile

On a

n
4

= 37, 5 alors Q1 2 ]3, 1; 3, 4]

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

61 / 70

Paramtres de dispersion
Etendue interquartile

On a

n
4

= 37, 5 alors Q1 2 ]3, 1; 3, 4] do


Q1 =

37, 5 37
76 37

REMITA (Dpartement de Mdecine)

(3, 4

3, 1) + 3, 1 = 3, 104Kg

Biostatistique

24/10/2012

61 / 70

Paramtres de dispersion
Etendue interquartile

On a

n
4

= 37, 5 alors Q1 2 ]3, 1; 3, 4] do


Q1 =

et

3n
4

37, 5 37
76 37

(3, 4

3, 1) + 3, 1 = 3, 104Kg

= 112, 5 alors Q3 2 ]3, 7; 4, 0]

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

61 / 70

Paramtres de dispersion
Etendue interquartile

On a

n
4

= 37, 5 alors Q1 2 ]3, 1; 3, 4] do


Q1 =

et

3n
4

37, 5 37
76 37

(3, 4

3, 1) + 3, 1 = 3, 104Kg

= 112, 5 alors Q3 2 ]3, 7; 4, 0] do


Q3 =

112, 5 111
131 111

REMITA (Dpartement de Mdecine)

(3, 7

4, 0) + 3, 7 = 3, 723Kg

Biostatistique

24/10/2012

61 / 70

Paramtres de dispersion
Etendue interquartile

On a

n
4

= 37, 5 alors Q1 2 ]3, 1; 3, 4] do


Q1 =

et

3n
4

37, 5 37
76 37

(3, 4

3, 1) + 3, 1 = 3, 104Kg

= 112, 5 alors Q3 2 ]3, 7; 4, 0] do


Q3 =

112, 5 111
131 111

(3, 7

4, 0) + 3, 7 = 3, 723Kg

do
IQR

REMITA (Dpartement de Mdecine)

Q3

Q1 = 3, 723

Biostatistique

3, 104

24/10/2012

61 / 70

Paramtres de dispersion
Etendue interquartile

On a

n
4

= 37, 5 alors Q1 2 ]3, 1; 3, 4] do


Q1 =

et

3n
4

37, 5 37
76 37

(3, 4

3, 1) + 3, 1 = 3, 104Kg

= 112, 5 alors Q3 2 ]3, 7; 4, 0] do


Q3 =

112, 5 111
131 111

(3, 7

4, 0) + 3, 7 = 3, 723Kg

do
IQR

REMITA (Dpartement de Mdecine)

= Q3 Q1 = 3, 723
=) IQR = 0, 619Kg .
Biostatistique

3, 104

24/10/2012

61 / 70

Sries statistiques doubles


Introduction

Soit P une population deectif total n, sur laquelle on tudie deux


caractres quantitatif X et Y , on sintresse la liaison entre ces deux
variables.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

62 / 70

Sries statistiques doubles


Introduction

Soit P une population deectif total n, sur laquelle on tudie deux


caractres quantitatif X et Y , on sintresse la liaison entre ces deux
variables.
On commence par dnir la srie statistique double de P pour les
caractres X et Y

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

62 / 70

Sries statistiques doubles


Introduction

Soit P une population deectif total n, sur laquelle on tudie deux


caractres quantitatif X et Y , on sintresse la liaison entre ces deux
variables.
On commence par dnir la srie statistique double de P pour les
caractres X et Y

P
eij

REMITA (Dpartement de Mdecine)

! R2
7! (xi , yj )

Biostatistique

24/10/2012

62 / 70

Sries statistiques doubles


Introduction

Soit P une population deectif total n, sur laquelle on tudie deux


caractres quantitatif X et Y , on sintresse la liaison entre ces deux
variables.
On commence par dnir la srie statistique double de P pour les
caractres X et Y

P
eij

! R2
7! (xi , yj )

Une premire ide pour essayer de mettre en vidence la liaison entre X et


Y consiste tracer le nuage de points associ la srie statistique double.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

62 / 70

Sries statistiques doubles


Tableau de contingence

y1

y2

yj

yl

x1
x2
..
.

n11
n21
..
.

n12
n22
..
.

n1j
n2j
..
.

n1l
n2l
..
.

Eectif
margianl
n1
n2
..
.

xi
..
.

ni 1
..
.

ni 2
..
.

nij
..
.

nil
..
.

ni
..
.

xk
Eectif
marginal

nk 1

nk 2

nkj

nkl

nk

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

63 / 70

Sries statistiques doubles


Tableau de contingence

y1

y2

yj

yl

x1
x2
..
.

n11
n21
..
.

n12
n22
..
.

n1j
n2j
..
.

n1l
n2l
..
.

Eectif
margianl
n1
n2
..
.

xi
..
.

ni 1
..
.

ni 2
..
.

nij
..
.

nil
..
.

ni
..
.

xk
Eectif
marginal

nk 1

nk 2

nkj

nkl

nk

nij est leectif partiel du couple (xi , yj ) ,

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

63 / 70

Sries statistiques doubles


Tableau de contingence

y1

y2

yj

yl

x1
x2
..
.

n11
n21
..
.

n12
n22
..
.

n1j
n2j
..
.

n1l
n2l
..
.

Eectif
margianl
n1
n2
..
.

xi
..
.

ni 1
..
.

ni 2
..
.

nij
..
.

nil
..
.

ni
..
.

xk
Eectif
marginal

nk 1

nk 2

nkj

nkl

nk

nij est leectif partiel du couple (xi , yj ) , ni est leectif marginal de xi et

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

63 / 70

Sries statistiques doubles


Tableau de contingence

y1

y2

yj

yl

x1
x2
..
.

n11
n21
..
.

n12
n22
..
.

n1j
n2j
..
.

n1l
n2l
..
.

Eectif
margianl
n1
n2
..
.

xi
..
.

ni 1
..
.

ni 2
..
.

nij
..
.

nil
..
.

ni
..
.

xk
Eectif
marginal

nk 1

nk 2

nkj

nkl

nk

nij est leectif partiel du couple (xi , yj ) , ni est leectif marginal de xi et


n j est leectif marginal de yj
REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

63 / 70

Sries statistiques doubles


Tableau de contingence

y1

y2

yj

yl

x1
x2
..
.

n11
n21
..
.

n12
n22
..
.

n1j
n2j
..
.

n1l
n2l
..
.

Eectif
margianl
n1
n2
..
.

xi
..
.

ni 1
..
.

ni 2
..
.

nij
..
.

nil
..
.

ni
..
.

xk
Eectif
marginal

nk 1

nk 2

nkj

nkl

nk

nij est leectif partiel du couple (xi , yj ) , ni est leectif marginal de xi et


n j est leectif marginal de yj
ni = lj =1 nij et n j = ki=1 nij
REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

63 / 70

Sries statistiques doubles


Denition
Le couple (X , Y ) est statistiquement indpendant si on a
8i = 1,
, k; j = 1,
,l
fij =

REMITA (Dpartement de Mdecine)

nij
= fi
n

Biostatistique

ni
n

nj
n

24/10/2012

64 / 70

Sries statistiques doubles


Denition
Le couple (X , Y ) est statistiquement indpendant si on a
8i = 1,
, k; j = 1,
,l
fij =

nij
= fi
n

nj
n

ni
n

Denition
On appelle covariance des variables X et Y et on note Cov (X , Y ) , le
nombre
Cov (X , Y ) =

1 k l
nij xi
n i
=1 j =1

1 k l
nij xi yj
n i
=1 j =1

XY.

REMITA (Dpartement de Mdecine)

Biostatistique

yj

24/10/2012

64 / 70

Sries statistiques doubles

Remarque
1

Les moyennes marginales X et Y sont donnes par

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

65 / 70

Sries statistiques doubles

Remarque
1

Les moyennes marginales X et Y sont donnes par


X =

REMITA (Dpartement de Mdecine)

1 k
1 l
n j yj .
n
x
et
Y
=
i i
n i
n j
=1
=1

Biostatistique

24/10/2012

65 / 70

Sries statistiques doubles

Remarque
1

Les moyennes marginales X et Y sont donnes par


X =

1 k
1 l
n j yj .
n
x
et
Y
=
i i
n i
n j
=1
=1

Si les variables X et Y sont statistiquement indpendantes alors


Cov (X , Y ) = 0.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

65 / 70

Sries statistiques doubles

Remarque
1

Les moyennes marginales X et Y sont donnes par


X =

1 k
1 l
n j yj .
n
x
et
Y
=
i i
n i
n j
=1
=1

Si les variables X et Y sont statistiquement indpendantes alors


Cov (X , Y ) = 0. Mais la rciproque nest pas vraie.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

65 / 70

Sries statistiques doubles

Remarque
1

Les moyennes marginales X et Y sont donnes par


X =

1 k
1 l
n j yj .
n
x
et
Y
=
i i
n i
n j
=1
=1

Si les variables X et Y sont statistiquement indpendantes alors


Cov (X , Y ) = 0. Mais la rciproque nest pas vraie.

Denition
Si Cov (X , Y ) = 0 on dit que les variables X et Y sont non corrles.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

65 / 70

Sries statistiques doubles


Denition
On appelle coe cient de corrlation linaire des variables X et Y le
nombre

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

66 / 70

Sries statistiques doubles


Denition
On appelle coe cient de corrlation linaire des variables X et Y le
nombre
Cov (X , Y )
(X , Y ) =
.
X Y

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

66 / 70

Sries statistiques doubles


Denition
On appelle coe cient de corrlation linaire des variables X et Y le
nombre
Cov (X , Y )
(X , Y ) =
.
X Y

Le coe cient de corrlation linaire est invariant par changement


dorigine et dunit de mesure.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

66 / 70

Sries statistiques doubles


Denition
On appelle coe cient de corrlation linaire des variables X et Y le
nombre
Cov (X , Y )
(X , Y ) =
.
X Y

Le coe cient de corrlation linaire est invariant par changement


dorigine et dunit de mesure.
On a 1 (X , Y ) 1

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

66 / 70

Sries statistiques doubles


Denition
On appelle coe cient de corrlation linaire des variables X et Y le
nombre
Cov (X , Y )
(X , Y ) =
.
X Y

2
3

Le coe cient de corrlation linaire est invariant par changement


dorigine et dunit de mesure.
On a 1 (X , Y ) 1
Si (X , Y ) = 0, les variables X et Y sont non corrles.

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

66 / 70

Sries statistiques doubles


Denition
On appelle coe cient de corrlation linaire des variables X et Y le
nombre
Cov (X , Y )
(X , Y ) =
.
X Y

2
3
4

Le coe cient de corrlation linaire est invariant par changement


dorigine et dunit de mesure.
On a 1 (X , Y ) 1
Si (X , Y ) = 0, les variables X et Y sont non corrles.
Soient X et Y deux variables statistiques lies par la relation
Y = aX + b

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

66 / 70

Sries statistiques doubles


Denition
On appelle coe cient de corrlation linaire des variables X et Y le
nombre
Cov (X , Y )
(X , Y ) =
.
X Y

2
3
4

Le coe cient de corrlation linaire est invariant par changement


dorigine et dunit de mesure.
On a 1 (X , Y ) 1
Si (X , Y ) = 0, les variables X et Y sont non corrles.
Soient X et Y deux variables statistiques lies par la relation
Y = aX + b
On a Cov (X , Y ) = a2X et comme 2Y = a2 2X alors

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

66 / 70

Sries statistiques doubles


Denition
On appelle coe cient de corrlation linaire des variables X et Y le
nombre
Cov (X , Y )
(X , Y ) =
.
X Y

2
3
4

Le coe cient de corrlation linaire est invariant par changement


dorigine et dunit de mesure.
On a 1 (X , Y ) 1
Si (X , Y ) = 0, les variables X et Y sont non corrles.
Soient X et Y deux variables statistiques lies par la relation
Y = aX + b
On a Cov (X , Y ) = a2X et comme 2Y = a2 2X alors
(X , Y ) = 1 si a > 0 et (X , Y ) =

REMITA (Dpartement de Mdecine)

Biostatistique

1 si a < 0.
24/10/2012

66 / 70

Sries statistiques doubles


Etude de la rgression

Quand 2 (X , Y ) > 0, 9 il existe une relation linaire entre X et Y de la


forme Y = aX + b quon appelle droite de rgression de Y en X et qui
rend minimum la somme
k

S=

nij (yj

axi

b )2 .

i =1 j =1

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

67 / 70

Sries statistiques doubles


Etude de la rgression

Quand 2 (X , Y ) > 0, 9 il existe une relation linaire entre X et Y de la


forme Y = aX + b quon appelle droite de rgression de Y en X et qui
rend minimum la somme
k

S=

nij (yj

axi

b )2 .

i =1 j =1

Theorem
La droite de rgression de Y en X est la droite de la forme Y = aX + b
avec

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

67 / 70

Sries statistiques doubles


Etude de la rgression

Quand 2 (X , Y ) > 0, 9 il existe une relation linaire entre X et Y de la


forme Y = aX + b quon appelle droite de rgression de Y en X et qui
rend minimum la somme
k

S=

nij (yj

axi

b )2 .

i =1 j =1

Theorem
La droite de rgression de Y en X est la droite de la forme Y = aX + b
avec
Cov (X , Y )
a=
2X

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

67 / 70

Sries statistiques doubles


Etude de la rgression

Quand 2 (X , Y ) > 0, 9 il existe une relation linaire entre X et Y de la


forme Y = aX + b quon appelle droite de rgression de Y en X et qui
rend minimum la somme
k

S=

nij (yj

axi

b )2 .

i =1 j =1

Theorem
La droite de rgression de Y en X est la droite de la forme Y = aX + b
avec
Cov (X , Y )
Cov (X , Y )
a=
et b = Y
X.
2
X
2X

Sries statistiques doubles


Etude de la rgression

Quand 2 (X , Y ) > 0, 9 il existe une relation linaire entre X et Y de la


forme Y = aX + b quon appelle droite de rgression de Y en X et qui
rend minimum la somme
k

S=

nij (yj

axi

b )2 .

i =1 j =1

Theorem
La droite de rgression de Y en X est la droite de la forme Y = aX + b
avec
Cov (X , Y )
Cov (X , Y )
a=
et b = Y
X.
2
X
2X

Sries statistiques doubles


Etude de la rgression

Quand 2 (X , Y ) > 0, 9 il existe une relation linaire entre X et Y de la


forme Y = aX + b quon appelle droite de rgression de Y en X et qui
rend minimum la somme
k

S=

nij (yj

axi

b )2 .

i =1 j =1

Theorem
La droite de rgression de Y en X est la droite de la forme Y = aX + b
avec
Cov (X , Y )
Cov (X , Y )
a=
et b = Y
X.
2
X
2X

Sries statistiques doubles


Etude de la rgression

Quand 2 (X , Y ) > 0, 9 il existe une relation linaire entre X et Y de la


forme Y = aX + b quon appelle droite de rgression de Y en X et qui
rend minimum la somme
k

S=

nij (yj

axi

b )2 .

i =1 j =1

Theorem
La droite de rgression de Y en X est la droite de la forme Y = aX + b
avec
Cov (X , Y )
Cov (X , Y )
a=
et b = Y
X.
2
X
2X

REMITA (Dpartement de Mdecine)

Biostatistique

24/10/2012

67 / 70

Sries statistiques doubles


Example
Dterminer lquation de la droite de rgression de Y en X dans le cas du
tableau de contingence suivant
Y
X
1
2
4
6
9
nj

REMITA (Dpartement de Mdecine)

2
5
7

8
2
10

9
2
9
6
1
18

Biostatistique

11

13

1
7
1
1

4
1

10

ni
5
10
10
17
8
50

24/10/2012

68 / 70

Sries statistiques doubles


Example
Dterminer lquation de la droite de rgression de Y en X dans le cas du
tableau de contingence suivant
Y
X
1
2
4
6
9
nj
n j yj
n j yj2
nij xi yj

2
5
7
35
175
63

REMITA (Dpartement de Mdecine)

11

8
2
10
70
490
216

2
9
6
1
18
162
1458
368

13
1
7
1
1

4
1

10
110
1210
786

5
65
845
432

Biostatistique

ni
5
10
10
17
8
50
442
4178
1865

ni xi

ni xi2

5
20
40
102
72
239

5
40
160
612
648
1465

24/10/2012

69 / 70

Sries statistiques doubles

REMITA (Dpartement de Mdecine)

239
= 4, 78
50

Biostatistique

24/10/2012

70 / 70

Sries statistiques doubles

REMITA (Dpartement de Mdecine)

239
= 4, 78
50
442
= 8, 84
50

Biostatistique

24/10/2012

70 / 70

Sries statistiques doubles

X
Y
X

REMITA (Dpartement de Mdecine)

239
= 4, 78
50
442
=
= 8, 84
50
r
1465
=
4, 782 = 2, 54
50

Biostatistique

24/10/2012

70 / 70

Sries statistiques doubles

X
Y
X
Y

REMITA (Dpartement de Mdecine)

239
= 4, 78
50
442
=
= 8, 84
50
r
1465
=
4, 782 = 2, 54
50
r
4178
=
8, 842 2, 3269
50

Biostatistique

24/10/2012

70 / 70

Sries statistiques doubles

Cov (X , Y ) =

REMITA (Dpartement de Mdecine)

239
= 4, 78
50
442
= 8, 84
50
r
1465
4, 782 = 2, 54
50
r
4178
8, 842 2, 3269
50
1865
4, 78 8, 84 = 4, 9552
50

Biostatistique

24/10/2012

70 / 70

Sries statistiques doubles

Cov (X , Y ) =
(X , Y ) =

REMITA (Dpartement de Mdecine)

239
= 4, 78
50
442
= 8, 84
50
r
1465
4, 782 = 2, 54
50
r
4178
8, 842 2, 3269
50
1865
4, 78 8, 84 = 4, 9552
50
4, 9552
0, 8384.
2, 54 2, 3269

Biostatistique

24/10/2012

70 / 70

Vous aimerez peut-être aussi