Initiation aux statistiques descriptives : cours

Mathieu Loiseau
Semestre 2, anne universitaire 2009-2010

Table des matires

1 Vocabulaire de base

1.1

Statistiques descriptives et infrentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Population . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.3

Echantillon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4

Variables ou caractres statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4.1

Variables quantitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4.2

Variables qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.4.3

Variables dpendantes et indpendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Effectif et frquence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.5.1

Exemple : une tude sur ltat matrimonial des salaris de la socit X . . . . . . . . . . . . .

1.6

Effectifs cumuls croissants et dcroissants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.7

Srie statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.5

2 Paramtres caractristiques dune variable : paramtres de position

2.1

Mode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2.1

Moyenne arithmtique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2.2

Moyenne pondre

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

2.2.3

Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Mdiane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.1

Calcul de mdiane pour des donnes non rparties en classes . . . . . . . . . . . . . . . . . .

2.3.2

Calcul de mdiane pour des donnes rparties en classe . . . . . . . . . . . . . . . . . . . . . 10

2.3

3 Paramtres caractristiques dune variable : paramtres de dispersion

11

3.1

Etendue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.2

Quantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.3

3.2.1

Quartiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3.2.2

Dciles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Indicateurs de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3.1

Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

3.3.2

Ecart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

4 Reprsentations graphiques

14

4.1

Reprsentation deffectifs/frquences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.1.1

Variables qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4.1.2

Variables quantitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4.2

Diagramme de Tukey . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

4.3

Statistique deux variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

5 Quelques lments de mthodologie denqute

17

5.1

Avant le questionnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

5.2

Types de question . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

5.3

5.2.1

Fait et opinion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

5.2.2

Questions ouvertes et fermes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

5.2.3

Types de question et ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

Recommandations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.3.1

Favoriser lexpression personnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

5.3.2

viter les erreurs techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

5.4

La passation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

5.5

Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.5.1

Les non-rponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

5.5.2

Recodage des rponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

5.5.3

Prsentation des tableaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Ce document est en grande partie celui produit par Anahita Basirat,

des actualisations ont cependant eu lieu et l.

Chapitre 1

Vocabulaire de base
1.1

Statistiques descriptives et infrentielles

Il sagit dorganiser et rsumer des observations. Le but est de dcrire lchantillon. Les statistiques infrentielles
servent tendre la population les rsultats ainsi obtenus. [Dancey & Reidy, 2007, p. 54]

1.2

Population

La population dsigne un ensemble dunits statistiques. Les units statistiques, aussi appeles individus, sont les
entits abstraites qui reprsentent des personnes, des animaux ou des objets. La statistique sert dcrire lensemble
des units statistiques qui composent la population.

1.3

Echantillon

Lorsque la population est trop importante, on tudie un chantillon, cest--dire un sous-ensemble, beaucoup plus
petit, de la population. Lchantillon doit tre bien choisi pour pouvoir reprsenter la population.

1.4

Variables ou caractres statistiques

Un individu donn de la population peut tre tudi selon certaines proprits. Ces proprites sont appeles caractres
ou variables statistiques.
Exemple : Une tude sur les tudiants de luniversit Stendhal peut porter sur les diffrentes variables : leur ge, leur sexe,
leur nationalit, leur moyenne de lanne, etc.

1.4.1

Variables quantitatives

Une surface, un revenu moyen ou un ge sont des variables quantitatives. Elles peuvent tre exprimes selon une
unit de mesure et peuvent tre compares entre elles, additionnes, faire lobjet de calculs de moyenne, [...] etc.
[Muller, 1973, p. 5].
a)

Variables discrtes et continues

Sur un intervalle donn, les valeurs que peut prendre une variable quantitative discrte sont dnombrables (ex : nombre
denfants dun mnage). Au contraire, une variable quantitative continue peut prendre toutes les valeurs lintrieur
dun intervalle (ex : taille). En effet, entre une personne mesurant 160cm et 161cm, on peut imaginer une infinit de
valeurs (ce qui nexiste pas entre 1 et 2 enfants par exemple). Ce sont la prcision des instruments de mesure et les
conventions qui font que la taille est traite comme une variable discrte.
5

b)

Classes

Pour pouvoir dcrire des variables continues, il est parfois ncessaire de les discrtiser , cest dire les rpartir en
classes : des intervalles de valeurs successifs. Les classes peuvent tre dfinies en fonction du nombre de classe que
lon veut obtenir ou selon une amplitude fixe 1 [Veysseyre, 2006, p. 9].
Lamplitude dune classe est alors la diffrence entre la borne suprieure et la borne infrieure de lintervalle dfini :
soit [a; b[ une classe dune variable quantitative, on dit que b a est lamplitude de cette classe.
Exemple : La taille dun chantillon dtudiants en CP peut tre classe en moins dun mtre, [1; 1.20] mtre, plus de 1.20
mtre. Lamplitude de la seconde classe est 20 cm.

1.4.2

Variables qualitatives

Une variable qualitative est une variable qui ne prend pas de valeur numrique (elles ne rpondent pas une question
combien mais une question est-ce que ) [Muller, 1973, p. 5].
Exemple : sexe, nationalit.
a)

Modalits

Chaque variable qualitative a plusieurs modalits, ce sont lensemble des valeurs que la variable peut prendre.
Exemple : pour la variable sexe, les modalits sont masculin / fminin.
b)

Variables ordinales

Une variable qualitative ordinale prend des valeurs qui sont ordonnes, hirarchises. On peut classer les modalits
les unes par rapport aux autres mais on ne peut pas dire partir de cet ordre de combien est la diffrence entre
deux modalits.
Exemple : Les rponses un sondage, du type pas du tout , un peu , assez , beaucoup Vronis [2003].

1.4.3

Variables dpendantes et indpendantes

La statistique descriptive est un pr-requis la statistique infrentielle, dans laquelle on applique des mthodes
statistiques pour infres des proprits dune population partir dun chantillon. La statistique permet de croiser
des donnes pour tester des hypothses. Dans ces cas l, une hypothse consiste souvent valuer lexistence de
leffet dune variable indpendante, que lexprimentateur fera varier sur une variable dpendante qui sera value. La
description du comportement de ces deux variables sera primordial pour interprter les rsultats et leurs consquences
sur les hypothses testes.
Exemple : On peut par exemple vouloir expliquer la taille des individus dune population selon leur ge (exemple tir de
Wikipedia [2010]). Dans ce cas l, la variable indpendante est lge et la variable dpendante est la taille. Les deux variables
pourront tre dcrites conjointement (cf. section 4.3 p. 16).

a)

Variable parasite et variable de contrle

Quand le but est de mesurer leffet dune variable indpendante sur une variable dpendante, il faudrait avoir des
groupes de sujets quivalents en tous points hormis les diffrences induites par les modalits de la variable indpendante. En d ?autres termes, il faudrait manipuler une variable indpendante et matriser toutes les autres. Les
1. Diffrentes mthodes ont t dfinies pour effectuer une bonne discrtisation . Voir par exemple :
http://www.info.univ-angers.fr/~gh/wstat/discr.php.

variables indpendantes matriser ou variable parasites (VP) sont trs nombreuses et souvent inconnues. Ainsi on
essaie de contrler les variables parasites dont le chercheur sait ou prsume l ?effet sur la variable dpendante. Les
variables parasites frquemment contrles sont :
Les caractristiques du sujets : le sexe, l ?ge, appartenance religieuse, politique ou culturelle ;
Variable exprimentateur : lorsque plusieurs exprimentateurs recueillent des donnes, lorsque le sujet fait
plusieurs tches ou plus gnralement appartient plusieurs groupes exprimentaux.
Les variables parasites contrles s ?appellent variables contrles. Wikipedia [2010].

1.5

Effectif et frquence

Leffectif dune valeur donne dune variable est le nombre dindividus pour lesquelles la variable considre prend la
valeur en question. Leffectif total est la somme de tous les effectifs dune variable.
La frquence dune valeur donne est le rapport de leffectif correspondant leffectif total. La frquence totale est
toujours gale 1.

1.5.1

Exemple : une tude sur ltat matrimonial des salaris de la socit X

Population : salaris de la socit X.

Unit statistique (individu) : chaque salari de la societ X.
Variable (caractre) tudie : tat matrimonial avec 4 modalits : clibataire, pacs ou mari, veuf, divorc.
Effectif : leffectif de la modalit clibataire = nc , pacs ou mari = np/m , veuf = nv , divorc = nd .
Effectif total : N = nc + np/m + nv + nd .
n
nd
nv
Frquence : frquence de la modalit clibataire = nNc , pacs ou mari = p/m
N , veuf = N , divorc = N .
nc +np/m +nv +nd
N
Frquence totale =
= N
= 1.
N

1.6

Effectifs cumuls croissants et dcroissants

Note sur 20
Effectif
Frquence
Effectif cumul croissant
Effectif cumul dcroissant

<5
2
0.09
2
21

[5; 10[
3
0.14
5
19

[10; 12[
7
0.33
12
16

[12; 15[
5
0.24
17
9

[15; 17[
3
0.14
20
4

[17; 20]
1
0.05
21
1

Table 1.1: Exemple deffectif cumul : notes dune population de 21 tudiants.

Quand les modalits ou les classes dune variable sont ranges dans lordre croissant (resp. dcroissant), les effectifs
cumuls croissants (resp. dcroissants) dune valeur sobtiennent en ajoutant chaque effectif les effectifs des valeurs
qui la prcdent. Les frquences cumules sobtiennent en divisant les effectifs cumuls par leffectif total.

1.7

Srie statistique

Une srie statistique est la suite des observations dune (ou plusieurs) variable(s), releves sur les individus dune
population.
Exemple : Les notes des tudiants prsentes dans le tableau 1.1 sous forme de classes. Elles auraient pu tre reprsentes
sous-forme dune liste dobservations (notes) classes dans lordre croissant.
Note sur 20

2
11, 5

4
12

5
12

7, 5
12, 5

9, 5
13

10
14

10
15

10, 5
15, 5

11
16, 5

11
19

Table 1.2: Exemple de srie statistique classe dans lordre croissant.

11, 5

Chapitre 2

Paramtres caractristiques dune

variable : paramtres de position
Les paramtres de position (ou de tendance centrale) permettent de savoir autour de quelles valeurs se situent les
valeurs dune variable statistique.

2.1

Mode

Pour une variable discrte, le mode est la modalit qui reprsente le plus grand effectif.
Exemple : sur la figure 2.1, le mode est espagnol .
LV2

allemand
espagnol

allemand
espagnol

allemand
italien

anglais
italien

anglais
italien

espagnol
portugais

espagnol
russe

espagnol
tagalog

Table 2.1: Exemple de srie statistique pour une variable discrte (qualitative ici).
Pour une variable quantitative continue, o la probabilit que chaque modalit napparaisse quune fois est suprieure
(du fait quil existe une infinit de modalits), on a recours des classes modales : cest la classe dont leffectif est
maximum.
Exemple : Dans le tableau 1.1, la classe modale est la classe [10 ;12[.

2.2
2.2.1

Moyenne
Moyenne arithmtique

La moyenne arithmtique dune srie statistique est la somme des valeurs divise par le nombre total des valeurs.
Par exemple, la moyenne de lanne est la somme des notes de tous les examens divise par le nombre dexamen. La
N
. Dans cette formule, x1 , x2 , , xN sont les notes et N est le nombre
moyen de X se calcule par x = x1 +x2 ++x
N
total des notes.

2.2.2

Moyenne pondre

Lorsque les valeurs sont affectes de coefficients (ici deffectifs), on parle de moyenne pondre (voir tableau 2.2).
La moyenne pondre de X se calcule de la manire suivante :
x=

n1 x1 +n2 x2 ++nN xN
n1 +n2 ++nN

Dans cette formule, n1 , n2 , , nN sont les effectifs correspondants aux modalits x1 , x2 , , xN .

8

Qualit de service
1
2
3
4
5
total

Effectif
1
3
5
2
1
12

Produit ni xi
1
6
15
8
5
35

Table 2.2: Moyenne de la variable qualit de service (QS ) : QS =

2.2.3

35
12

= 2.9

Proprits

1. Considrons une srie statistique S1 de modalits x1 , x2 , , xN avec des effectifs n1 , n2 , , nN de moyenne

x et la srie statistique S2 de modalits y1 , y2 , , yN avec des effectifs n1 , n2 , , nN telle que pour tout i
appartenant {1, 2, , N } : yi = axi + b. Alors la moyenne de la srie statistique S2 est : y = ax + b.

Exemple : La moyenne de notes dune classe de 22 tudiants est 12.5. En ajoutant 0.5 point toutes les notes, on
obtient une moyenne de 13.

2. Soient S1 et S2 deux sries statistiques deffectifs totaux respectifs N1 et N2 et de moyennes respectives x1

2 x2
et x2 . Alors la moyenne de la srie S regroupant les deux sries S1 et S2 est : x = N1Nx11 +N
+N2 . Cela revient
dire que la moyenne de plusieurs groupes correspond la moyenne pondre des moyennes pour chaque groupe
(pondre selon les effectifs des groupes).
Exemple : La moyenne de notes dune classe de 22 tudiants est 12.5 et celle dune classe de 18 tudiants est 13.2.
La note moyenne de ces deux classes est :
x=

2212.5+1813.2
22+18

= 12.81.

3. La moyenne nest pas toujours un indicateur prcis, elle est sensible aux valeurs extrmes.
Exemple : Dans un groupe de TD, 5 tudiants obtiennent 9, 5 au partiel et un tudiant 18, 5. La moyenne du groupe
est de 11 1 et pourtant seul un tudiant a valid le module correspondant...

2.3

Mdiane

La mdiane (Me ) est la valeur, observe ou possible, dans la srie des donnes classes par ordre croissant (ou
dcroissant) qui partage cette srie en deux parties comprenant exactement le mme nombre de donnes de part et
dautre de Me [Veysseyre, 2006, p. 15].
Exemple : Soit la srie statistiques suivante : 15, 7, 22, 4, 12, 30, 9, 18, 6. Pour dterminer la mdiane, il faut ordonner la
srie : 4, 6, 7, 9, 12, 15, 18, 22, 30. La mdiane est le 12 car dans cette srie, il y a 4 nombres infrieure et 4 suprieure de 12.

2.3.1

Calcul de mdiane pour des donnes non rparties en classes

Si leffectif total est impair (2n+1), la mdiane est parfaitement dtermine : la modalit correspondant n+1. Il
sagit dune valeur observe.
Exemple : Dans le tableau 2.3, une tude sur le nombre denfant dune chantillon de 51 individus (225+1) est prsente.
La mdiane est la modalit "1 enfant" qui correspond au foyer 26.

Si leffectif total est pair (2n), on ne peut pas dfinir prcisment la mdiane : on peut prendre pour valeur mdiane,
indiffremment lune ou lautre des valeurs centrales ou nimporte quelle valeur intermdiaire entre ces deux valeurs,
par exemple, la moyenne arithmtique de ces deux valeurs, mais, dans ces conditions, ce nest pas une valeur observe
[Veysseyre, 2006, p. 15].
1. note =

59,5+18,5
6

Nombre denfants
Effectif
Effectif cumul croissant

0
20
20

1
16
36

2
10
46

3
5
51

4
0
51

Table 2.3: Calcul de mdiane en utilisant les effectifs cumuls croissants : cas dune variable discrte
Exemple : Une srie reprsentant les notes dune classe : 15, 7, 20, 4, 12, 20, 9, 18, 6, 4 (srie ordonne : 4, 4, 6, 7, 9, 12,
15, 18, 20, 20), lintervalle mdian est 9 et 12. Dans ce cas l, une acception de la mdiane est
dune valeur observe.

2.3.2

9+12
2

= 10, 5. Il ne sagit pas

Calcul de mdiane pour des donnes rparties en classe

Pour une variable continue, on dtermine la classe mdiane de mme faon que pour une variable discrte en utilisant
les effectifs cumuls. Exemple : dans le tableau 1.1, la classe mdiane est la classe [10 ;12[. On dtermine la mdiane
au sein dune classe par linterpolation linaire.
Soit une tude sur la note dune population de 50 tudiants (tableau 2.4) Levy [2010]. Daprs la colonne "effectif
cumul", 18 personnes ont moins de 8 et 30 personnes ont moins de 12. La mdiane se trouve donc dans lintervalle
[8 ;12[.
Notes
[0; 5[
[5; 8[
[8; 12[
[12; 15[
[15; 20]

Effectifs
10
8
12
11
9

Effectifs cumuls
10
18
30
41
50

Table 2.4: Calcul de mdiane en utilisant les effectifs cumuls croissants : cas dune variable continue
Sur la figure 2.1, les points A, X, B sont aligns et les droites AX, BX et AB ont le mme coefficient directeur (la
pente est la mme). Le coefficient directeur dune droite est dtermin par deux de ces points.

Figure 2.1: Calcul de mdiane pour une variable continue. En abscisse : effectifs cumuls et en ordonne : notes.
Le coefficient directeur de la droite AB se calcule par :
m=

yB yA
xB xA

Pour trouver la valeur Me , on peut calculer mAX et mAB et rsoudre la rgle de trois suivante :
mAX = mAB donc

Me 8
2518

128
3018

La mdiane Me est donc 10.33. Cela signifie que environ 50% des personnes ont eu moins de 10.33 et 50% plus de
10.33 (il sagit nouveau dune valeur non observe, cependant dans ce cas prcis nous navons pas le dtail des
valeurs observes puisque nous navons que les classes).

10

Chapitre 3

Paramtres caractristiques dune

variable : paramtres de dispersion
Les paramtres de dispersion donnent des informations sur la rpartition des valeurs autour de la valeur centrale de
rfrence.

3.1

Etendue

Ltendue dune srie statistique quantitative est la diffrence entre la plus grande valeur de la variable (discrte ou
continue) et la plus petite valeur. Exemple, dans le tableau 1.2, ltendue est 19 2 = 17.

3.2

Quantiles

Pour dcrire des sries statistiques, le concept de mdiane est adapt non plus pour sparer les mesures en 2 sousensembles, mais en k. On appelle ces mesures quantiles . Si k = 4 on parle de quartile.

3.2.1

Quartiles

Veysseyre dfinit les quartiles de la manire suivante :

Pour k = 4, les quantiles, appels quartiles, sont trois nombres Q1, Q2, Q3 tels que :
25% des valeurs prises par la srie sont infrieures Q1 ;
25% des valeurs prises par la srie sont suprieures Q3 ;
Q2 est la mdiane Me ;
Q3 Q1 est lintervalle interquartile, il contient 50% des valeurs de la srie.

[Veysseyre, 2006, p. 18]

Exemple : Levy [2010] : La srie ordonne par ordre croissant S a 12 termes :
S = {11, 12, 13, 15, 16, 16, 17, 17, 18, 19, 20, 22}

Rang
Srie

1
11

2
12

3
13

4
15

5
16

6
16

7
17

8
17

9
18

10
19

11
20

12
22

Table 3.1: Calcule des quartiles

Un quart (25%) des donnes correspond : 12 0.25 = 3. Le premier quartile est alors la plus petite valeur Q1 pour laquelle
les valeurs de 3 termes de la srie sont infrieurs ou gales Q1. Le premier quartile est donc la valeur du 3me terme de la
srie cest--dire 13 1 .
1. Notez quil existe dautres mthodes de calcules des quartiles et dciles :
http://www.math.unicaen.fr/irem/stat/quartile.pdf

11

Trois quarts (75%) des donnes correspondent : 12 0.75 = 9. Le troisime quartile est alors la plus petite valeur Q3 pour
laquelle les valeurs de 9 termes de la srie sont infrieurs ou gales Q3. Le troisime quartile est donc la valeur du 9me
terme de la srie cest--dire 18.
Lintervalle interquartile est [13 ;18]. Lcart interquartile est 18-13 = 5.

3.2.2

Dciles

Quand k = 10, les quantiles sont appels dciles.

Le premier dcile dune srie la plus petite valeur D1 des termes de la srie pour laquelle au moins un dixime
(10%) des donnes sont infrieures ou gales D1 ;
le neuvime dcile (D9) dune srie est la plus petite valeur des termes de la srie pour laquelle au moins neuf
diximes (90%) des donnes sont infrieures ou gales D9 ;
lintervalle interdcile est [D1 ;D9] ;
lcart interdcile est le nombre D9-D1.
Exemple : Levy [2010] : La srie ordonne par ordre croissant S a 11 termes :
S = {1500, 1650, 1700, 1800, 1850, 2000, 2100, 2300, 2500, 2650, 2700}

Rang
Srie

1
1500

2
1650

3
1700

4
1800

5
1850

6
2000

7
2100

8
2300

9
2500

10
2650

11
2700

Table 3.2: Calcule des dciles

Un dixime (10%) des donnes correspond : 11 0.10 = 1.1. Le premier dcile est alors la plus petite valeur D1 pour laquelle
les valeurs de 2 termes ( 2 > 1.1) de la srie sont infrieurs ou gales D1. Le premier dcile est donc la valeur du 2me terme
de la srie cest--dire 1650.
Neuf diximes (90%) des donnes correspondent : 11 0.9 = 9.9. Le neuvime dcile est alors la plus petite valeur D9 pour
laquelle les valeurs de 10 termes (10 > 9.9) de la srie sont infrieurs ou gales D9. Le neuvime dcile est donc la valeur
du 10me terme cest--dire 2650.
Lintervalle interdcile est [1650 ;2650]. Lcart interdcile est 2650 - 1650 = 1000.

3.3
3.3.1

Indicateurs de dispersion
Variance

La variance est un indicateur de la dispersion dune srie par rapport sa moyenne. La dfinition de la variance dune
srie statistiques est donne par la formule :
V (x) =

1
N

PN

i=1

ni (xi x)2 =

1
N

PN

i=1

ni x2i x2

V (x) dsigne la variance des n valeurs associes aux n units statistiques de la population et x est la moyenne de
ces units statistiques.

3.3.2

Ecart-type

p
La dfinition de lcart-type dune srie est donne par la formule : (x) = V (x). Si lcart-type est faible, cela
signifie que les valeurs sont assez concentres autour de la moyenne et si lcart-type est lev, cela veut dire au
contraire que les valeurs sont plus disperses autour de la moyenne.
Exemple : Dans une usine, le fait davoir un cart-type aussi bas que possible peut constituer un objectif de contrle
de qualit. Soit une entreprise qui fabrique un certain composant et quun des lments du contrle de la qualit consiste
mesurer le diamtre du composant. Chaque composant aura donc son diamtre mesur. On calculera ensuite le diamtre

12

moyen, puis lcart-type. Si lcart-type est faible, cela signifie que les pices ont dans lensemble un diamtre proche de la
moyenne, donc que leur diamtre se ressemble. la limite, un cart-type nul signifie que toute les pices ont le mme diamtre.
Inversement, plus lcart-type est lev, plus il y a de pices dont le diamtre scarte de la moyenne et qui risque de ne pas
cadrer avec le systme auxquelles elles sont destines. [Mazerolle, 2010, p. 2829]

a)

Proprit

Considrons une srie statistique S1 de modalits x1 , x2 , , xN affectes des effectifs n1 , n2 , , nN dcart-type

(x), et la srie statistique S2 de modalits y1 , y2 , , yN affectes des mme effectifs n1 , n2 , , nN telle que pour
tout i appartenant {1, 2,..., N} : yi = axi + b. Alors : lcart-type de la srie statistique S2 est : (y) = |a| (x).

13

Chapitre 4

Reprsentations graphiques
4.1

Reprsentation deffectifs/frquences

Pour obtenir une meilleure comprhension de la rpartition des valeurs dune variable donne dune srie, plusieurs
types de diagrammes existent. Le choix de quel type de diagramme utiliser dpend directement du type de variable
dont il sagit.

4.1.1

Variables qualitatives

Diagramme en barre : dans ce diagramme, les modalits de la variable sont places sur une droite horizontale et
les effectifs (ou les frquences) sont placs sur un axe vertical. La hauteur de la barre est proportionnelle leffectif
(figure 4.1). Les barres ont une certaine paisseur pour quil ny ait pas de confusion avec les diagrammes en btons
rservs des variables quantitatives discrtes (figure
4.3).
!"#$%%"&
:
;
&:
&&
AA
B

A;

AC

&;

677"80$72

+,-".*/"*01(.23,10*31$4$%5)$5
677"80$72
95%,
'$"/2
<#0,=,>$%"
?#2
@1(=
<#01"2

&C

C
95%,

'$"/2 <#0,=,>$%" ?#2

@1(=

<#01"2

+,-".*/"*01(.23,10*31$4$%5)$5

Figure 4.1: Diagramme en barre (Moyen de transport privilgi par une population dtudiants donnes fictives)
Diagramme circulaire ou camembert : Leffectif total est reprsent par un disque. Chaque modalit est reprsente
par un secteur circulaire dont la surface (pratiquement : langle au centre) est proportionnelle leffectif correspondant
(figure 4.2).
Langle de chaque modalit se calcule par :
effectif de la modalit
effectif total

4.1.2

360

Variables quantitatives

Diagramme en btons : Les valeurs discrtes xi prises par les variables sont places sur laxe des abscisses, et les
effectifs (ou les frquences) sur laxe des ordonnes. La hauteur du bton est proportionnelle leffectif (figure 4.3).

14

!"#$%%"&
+,-".*/"*01(.23,10*31$4$%5)$5
677"80$72
95%,
'$"/2
<#0,=,>$%"
?#2
@1(=
<#01"2

:
;
&:
&&
AA
B

EC

&AC

DC

FAC

AEC

95%,
'$"/2
<#0,=,>$%"
?#2
@1(=
<#01"2

&EC

Figure 4.2: Diagramme circulaire (Moyen de transport privilgi par une population dtudiants donnes fictives)
!"#$%%"&

677"85$71

+,-./"*0"*12/$"1*1#$3$"1*(11$0#-"45
677"85$71
A
9
:
:
&
;
<
=
=
>
;
@
?
>
;
&
;
@
&
?
>
<
&
9
9

&

<

>

+,-./"*0"*12/$"1*1#$3$"1*(11$0B-"45

Figure 4.3: Diagramme en btons (Nombre de sries suivies assidment par un population donnes fictives).

Histogramme : on utilise lhistogramme pour les variables classes. Cest un ensemble de rectangles. Chaque rectangle
est associ une classe et il a une surface proportionnelle leffectif (ou frquence) de cette classe.
Amplitudes gaux : Si les classes ont la mme amplitude, on reporte en ordonne leffectif (ou frquence) des
classes (voir figure 4.4 gauche).
Amplitudes diverses : si les amplitudes sont diffrentes, on reporte en ordonne la densit di (effectif divis par
lamplitude de la classe) pour que la surface de chaque rectangle soit proportionnelle leffectif (ou frquence)
(voir figure 4.4 droite).

'()"*&

Figure 4.4: Exemples dhistogrammes. A gauche : des classes de mme amplitude et droite : des classes de
diffrentes amplitudes (figures extraites de Janvier et al. [2002]).

4.2

Diagramme de Tukey
'()"*&

Les diagrammes de Tukey (ou botes moustaches ou bote pattes) permettent de reprsenter sur une mme figure
des intervalles. En rgle gnrale, on indique les valeurs extrmes, les 1er et (k 1)e quantiles (Q1 et Q3 pour les
quartiles, D1 et D9 pour les dciles, etc.) et ventuellement la mdiane dune srie (figure 4.5).

15

!"#$%%"&

0&

."/,$01
4
&5
&6
5
8
&&
4
&2
&1
8
&9
&&
&5
&6
4
&5
&9
8
&&
&&
&&
&&
&6
&7
&6
4
&7
&1
&&
&&;64
&&
8
5
&5
&2

."/,$02
19
&2
&2
6
& &4
4
&6
&5
&2
7
&8
4 &6
&9
5
&1
&&
8
&7
7 &9
8
:
4
&1
&1
&1
: 5
&4
5
6
&2
:
&2
&9 1
&:
:
9
8
6
&6
7
Figure
&5 4.5: Exemple de
8 boite moustaches reprsentant les rsultats dune classe pour 3 devoirs successifs
&7;7
:
&8
&1
Un tutoriel pour raliser des diagrammes de Tukey dans OpenOffice est disponible ladresse suivante :
&4
6
http://msp.aclyon3.free.fr/spip/IMG/pdf/bam_calc.pdf
&4
7
&9
:
&7
4.3 Statistique 6 deux variables
&7
6
&1
7
Lorsque lon veux dcrire deux variables, on pourra avoir recours un nuage de points. La variable indpendante est
&8
&&
reprsente en abscisse et la variable dpendante en ordonne. Reprenons lexemple propos dans la section 1.4.3
8 sera donc reprsent
6
(p. 6). Lge
en abscisse et la taille en ordonne. La figure 4.6 reprsente un nuage de points
&1
8
190
pour ce problme.
!"#$%&%#
filles
&2;6
:;&6
&2
:
170
&&
7
TAILLE(cm)
6
&
150
&8
&6
&5
4
130
'()"*&

110
90
70
50
30
0

50

2010

100

150

200

AGE(mois)

J Gaudart, LERTIM, Facult de Mdecine Marseille

Figure 4.6: Taille en fonction de lge (filles), tir de Gaudart [2010]

16

250

11

Chapitre 5

Quelques lments de mthodologie

denqute
Ces conseils sont issus, pour lessentiel, de Ghiglione & Matalon [1978]; de Singly [1992, 2008] 1 . Il dcrit la mthodologie de lenqute du point de vue de la sociologie ; dans ce cadre elle a pour objectif de produire de la
connaissance, lenqute par questionnaire ne se situe pas un niveau exclusivement empirique. Elle engage un point
de vue thorique, une vision du monde selon laquelle le social est dtermin socialement. [de Singly, 1992, p. 22].
Il dcompose une enqute en quatre temps qui sinfluencent les uns et les autres :
Toute enqute a [...] des biais invitables. Un questionnaire ne dcrit jamais exhaustivement une
pratique et, lorsquil approche trop prcisment cette activit, les donnes seront ensuite regroupes,
recodes pour viter lparpillement et rendre possible lanalyse statistique. Le rel auquel renvoie lobjet
de lenqute est soumis quatre principales transformations qui constituent les temps de la recherche :
la dlimitation opre par la dfinition de lobjet ; la slection des lments jugs pertinents au travers
des questions ; le tri par lactivit de codage et de recodage des informations recueillies ; la lecture dune
partie seulement des donnes. Lenqute est un long jeu de construction.
[de Singly, 1992, p. 21]

5.1

Avant le questionnaire

Selon [de Singly, 1992, p. 33] (ou [de Singly, 2008, p. 30]), lavant-questionnaire doit permettre deffectuer plusieurs
tches :
lire ce qui a t crit auparavant sur le thme tudi ;
couter ce que les acteurs sociaux disent de leurs propres pratiques ;
laborer progressivement une problmatique.
Cest pourquoi, un questionnaire suit souvent une srie dentretiens, comme le font remarquer Ghiglione et Matalon :
Il est habituel de considrer quune enqute complte doit commencer par une phase qualitative, sous la forme dentretiens non directifs ou structurs, suivie dune phase quantitative, lapplication dun questionnaire un chantillon
permettant une infrence statistique au cours de laquelle on vrifie les hypothses labores au cours de la premire
phase et on les complte par des renseignement chiffrs. [Ghiglione & Matalon, 1978, p. 93]
Dans le cadre du projet que vous allez mener, il ne vous est pas demand deffectuer un travail de sociologue,
dautant plus forte raison que vous naurez pas le temps de mener de front toutes ces activits. Il vous est
cependant demand de choisir une thmatique pour vos questions et de lexpliciter dans votre rapport afin
quelle soit claire pour le lecteur. Vous prendrez galement soin de spcifier les objectifs de votre questionnaire
entre (cf. [Ghiglione, 1987, p. 150]) :
estimer ;
dcrire ;
vrifier.

Nota Bene 5.1: Projet

1. Pour un point de vue moins triqu que celui propos ici, vous pouvez commencer par [Ghiglione & Matalon, 1978, pp. 93138].

17

5.2

Types de question

5.2.1

Fait et opinion

Dans un questionnaire, il convient de faire la diffrence entre question de fait et question dopinion. De Singly dfinit
par lexemple les deux notions [de Singly, 2008, p. 64] :
Combien de temps avez-vous passez lire un livre hier ? est une question de fait ;
Aimez-vous lire un livre ? est une question dopinion.
Il est important de savoir quel type de question vous tes en train de poser. En effet, selon les objectifs de ltude,
certaines critiques peuvent tre exprimes envers les questions dopinion. Pour Bourdieu, Un des effets les plus
pernicieux de lenqute dopinion consiste prcisment mettre les gens en demeure de rpondre des questions
quils ne se sont pas poses [Bourdieu, 2002, p. 226]. Nous pouvons galement mentionner les commentaires de
Lebaron :
Parmi les principales critiques que lon peut adresser aux questions dopinion, je citerai seulement ici :
le caractre trs particulier des chantillons prlevs compte tenu de limportance actuelle des refus de
rponse ; les rpondants effectifs sont de tous les rpondants potentiels les mieux disposs lgard de
lenqute et du thme abord ;
limportance des non-rponses ; elle est rduite dans les conditions actuelles de saisie informatise, mais
elle fournit un indicateur de la distance lenqute qui caractrise beaucoup denquts ;
la signification fragile de nombreuses rponses qui sont en quelque sorte arraches aux enquts, en
particulier lorsque les questions ne font pas sens pour eux ou crent une situation artificielle (de type
scolaire ou administrative)
dune manire plus gnrale, toute forme de surinterprtation repose sur ce que lon peut appeler
lethnocentrisme savant : on prte aux enquts un raisonnement, des intrts, une perspective qui
sont ceux de lenquteur.

[Lebaron, 2006, p. 58]

Cependant, les questions de fait ne sont pas vierges dapproximations :
une question de fait ne doit pas demander aux personnes interroges plus de prcisions quelles ne peuvent en
donner [de Singly, 1992, pp. 6364] ;
les individus sont beaucoup moins conscients de leurs pratiques quon ne le prsuppose gnralement. Aussi
rpondent-ils par approximation, mme des questions de faits [de Singly, 1992, p. 64].

5.2.2

Questions ouvertes et fermes

Dans un questionnaire, on aura recours soit des questions ouvertes, auxquelles lutilisateur est libre de donner la
rponse quil souhaite, soit des questions fermes, pour lesquelles des rponses potentielles lui sont proposes.
Le choix du recours (principal) aux questions ouvertes ou fermes rsulte en partie des objectifs de lenqute mene.
Au-del des problmes de cot, la stratgie denqute face aux questions ouvertes et aux questions
fermes renvoie donc deux types denqute, lune plus centre sur le test dhypothses prcises, lautre
plus attentive la complexit du rel. Quelle que soit loption retenue, le questionnaire comprend une
majorit de questions fermes qui seront amliores si ces deux procdures sont adoptes :
1. [entretiens pralables pour catgories mentales et mots utiliss] ;
2. Prvoir, dans la liste des rponses, une catgorie autres avec de la place pour ces rponses libres
imprvues.
Lorsque, au moment du dpouillement, il y a beaucoup de rponses autres, sont cres de nouvelles
catgories. Mais cette technique nest pas idale, car rien ne garantit que la libert de proposer des
rponses autres puisse tre approprie galement pour tous les individus. Cette solution est surtout
intressante lorsque les questionnaires sont remplis par les personnes interroges elles-mmes.
[de Singly, 1992, p. 69]
a)

Terminologie : questions semi-fermes

Par convention, pour parler de questions fermes munies dune catgorie autres , nous parlerons de questions
semi-fermes .

18

b)

Difficults lies aux questions ouvertes

Pour pouvoir effectuer une analyse quantitative des donnes, les questions ouvertes peuvent poser problme : les
personnes interroges peuvent fournir des indications peu utiles. En effet, lusage des questions ouvertes enseigne que
nombre de rponses peuvent tre floues, incodables. [de Singly, 1992, p. 67]
En effet, une analyse statistique ncessite un codage des donnes, lattribution de catgories selon les rponses
apportes aux questions. Sans une prparation adquate (cf. 5.1 p. 17), il nest pas toujours possible de proposer
des rponses aux enquts, sans introduire de lourds biais, cependant la dcision davoir recours des questions
ouvertes doit tre motive.

5.2.3

Types de question et ordre

Selon le type de question, on aura intrt les placer en dbut ou en fin dtude. Ghiglione et Matalon suggrent par
exemple de commencer par des questions ouvertes sous-peine de voir les sujets se contenter de rponses minimales
quand ils parviennent ces questions : En principe, il y a avantage regrouper toutes les questions portant
explicitement sur le mme thme. Sinon le sujet pourra avoir limpression quon ressasse, quon lui demande quelque
chose quil a dj dit, quon tourne en rond. Toutefois, lorsquil sagit de questions dopinions, de prfrences,
dattitudes, etc., il est parfois ncessaire de passer outre cette recommandation pour viter que les rponses ne
soient biaises par un souci de cohrence [Ghiglione & Matalon, 1978, p. 99].

5.3
5.3.1

Recommandations
Favoriser lexpression personnelle

Pour plus de dtails voir [de Singly, 2008, pp. 7480].

Le choix des mots introductif est important, quand il sagit dune question dopinion, il est pertinent de le faire
paraitre dans la question par lutilisation dune brve proposition complmentaire du type pensez-vous que ou
mme est-ce que , qui permettent lenqut dtre moins soumis une norme.
Pour que les enquts sexpriment librement, il est important de garantir leur protection , par exemple en expliquant
au dbut de la passation que les informations sont anonymes.
Il est conseill dassurer une certaine cohrence lenqute, en posant les questions qui sy rapporte en premier, puis
celles concernant les dterminants sociaux 2 . Enfin, sil y a des questions surprenantes , il est prfrable de les
conserver pour la fin.

5.3.2

viter les erreurs techniques

viter les erreurs techniques permettra damliorer la fiabilit des donnes obtenues 3 .
Ne mettre quune seule question par question, de plus, la question doit tre prcise, ne pas tre sujette
interprtation ;
mnager la mmoire des enquts : tenter, tant que faire ce peut, de limiter le nombre de rponses proposes
chaque question (moins important quand les individus interrogs gardent le questionnaire sous les yeux et peuvent
relire les propositions) ;
pour les questions dopinion, proposer un continuum incluant rponses extrmes (ex : pas du tout daccord,
plutt pas daccord, plutt daccord, tout fait daccord ), il ny a pas de consensus quant savoir si une rponse
centriste (centrale dans le continuum) doit tre propose, car une telle question peut servir de position de
refuge ;
viter ngations et doubles ngations, qui rendent linterprtation des questions (et ultrieurement des rponses...)
difficile ;
maitriser lordre des questions : lordre des questions peut influencer la manire dont les personnes y rpondent 4 .
2. Il sagit de variables de contrle (cf. a) p. 6) frquemment, pour ne pas dire systmatiquement utilises en sociologie, dont on
sait quelles influencent souvent les rponses.
3. Pour plus de dtails voir [de Singly, 2008, pp. 8085].
4. Dans une tude ralise en 1983 aux tats-Unis, les rponses la question Pensez-vous que les tats-Unis doivent accepter que des
journalistes communistes originaires dautres pays viennent ici et envoient chez eux des articles sur ce quils ont vu ? taient radicalement
diffrentes selon que la question Pensez-vous quun pays communiste comme la Russie doit accepter des journalistes amricains venir
l-bas et envoyer aux tats-Unis des papiers sur ce quils ont vu ? tait pose avant ou aprs elle... [de Singly, 2008, p. 83]

19

5.4

La passation

Pour assurer la cohrence des rsultats les conditions de passation doivent rester identiques :
[Cela] impose que ce soit le mme questionnaire exactement qui soit pos toutes les personnes interroges. Une fois que le travail sur le terrain est commenc, il est donc exclu dapporter des modifications
quelconques lnonc des questions ou leur ordre, mme su lon est convaincu quil sagit damlioration importantes, mme si lon sest rendu compte derreurs graves. Dans ce dernier cas, il faudrait,
dans lidal, recommencer entirement lenqute avec le questionnaire corrig, et considrer les premiers
sujets interrogs comme nuls. Si lon ne dispose pas de suffisamment de moyens ou de temps pour cela,
on poursuivra avec une version corrige, mais en sachant que certaines questions navaient t poses
qu une partie de la population, et que tous les dpouillements dans lesquels elles devaient intervenir ne
pourraient se faire que sur ce demi-groupe de sujets.
[...]
Cest pour la mme raison de maintien de la constance des conditions de passation quil ne faut pas que
lenquteur se trouve oblig dexpliquer certaines questions une partie des sujets. Le questionnaire doit
tre conu de telle sorte quil ny ait aucun besoin dexplications autres que celles qui sont explicitement
prvues.
[Ghiglione & Matalon, 1978, pp. 9596]

5.5
5.5.1

Analyse
Les non-rponses

Lanalyse des non-rponses est crucial. Pour [Bourdieu, 2002, p. 225], le fait de les ignorer introduit un biais. Pour
Mucchielli, les non rponses peuvent avoir diffrents sens ou diffrentes utilits [Mucchielli, 1990, p. 53] :
non rponses dans des questionnaires remplis :
Ignorance relle du thme de la question par le sujet interrog. Il se peut que ce soit justement un des objectifs
de lenqute que de mesurer si les individus du groupe reprsentant lUnivers de lenqute,... savent ou non,...
peuvent dfinir ou non,... comprennent ou non... quelque chose.
Refus de sengager dans une rponse ferme ou dans les rponses prvues, et ceci peut avoir un sens. Dans
certains cas, on peut y voir une attitude dopposition.
Fuite de la rponse, car la question a veill inquitude ou mfiance. Nous avons dj signal laugmentation du
nombre des sans-rponses aux questions dopinion ou dattitude, lorsquelles sont poses de faon directe.
Incomprhension de la question et refuge dans la non-rponse.
lanalyse du non renvoi du questionnaire :
sert tablir les caractristiques de lchantillon touch ;
peut mener la dtermination des caractristiques des non rpondants peut mener la mise en place denqutes
complmentaires ;
peut servir de base des calculs statistiques dextrapolation.

5.5.2

Recodage des rponses

Une analyse qualitative et une catgorisation des rponses ouvertes est ncessaire pour effectuer un traitement
quantitatif. Le recodage des rponses doit avoir lieu aprs avoir eu toutes les rponses. Dans le cas du recodage dun
type de rponse rcurrent (par exemple un le codage dune chelle allant de pas du tout daccord tout fait
daccord en nombres de 1 4), il faut sassurer que le mme codage est utilis pour toutes les questions qui y ont
recours.

5.5.3

Prsentation des tableaux

Comme pour les graphiques contenant plusieurs variables (cf. 4.3 p. 16), la variable indpendante doit tre dispose
en ligne et la variable dpendante en colonne 5 .

5. Pour plus dinformations, voir [de Singly, 2008, pp. 9398].

20

Bibliographie
[Blanchet et al., 1987] Alain Blanchet, Rodolphe Ghiglione, Jean Massonnat & Alain Trognon (1987). Les
techniques denqute en sciences sociales : observer, interviewer, questionner. Dunod. ISBN : 2-04-016901-6.
[Bourdieu, 2002] Pierre Bourdieu (2002). Lopinion publique nexiste pas. Expos Noroit (Arras) (janvier 1972).
Cf. Questions de sociologie, pages 222235. Les ditions de minuit. ISBN : 2-7073-1825-6.
[Dancey & Reidy, 2007] Christine P. Dancey & John Reidy (2007). Statistiques sans maths pour psychologues.
Ouvertures Psychologiques. De Boeck. ISBN : 978-2-8041-5384-7, ISSN : 1376-2273.
[de Singly, 1992] Franois de Singly (1992). Lenqute et ses mthodes : le questionnaire. sociologie 128. Nathan
Universit. ISBN : 209-190-567-4.
[de Singly, 2008] Franois de Singly (2008). Le questionnaire. Lenqute et ses mthodes. Armand Colin, 2e dition
refondue. ISBN : 209-190-567-4.
[Gaudart, 2010] Jean Gaudart (2010). Principe de la rgression linaire.
url : http://cybertim.timone.univ-mrs.fr/enseignement/doc-enseignement/statistiques/RL/
docpeda_fichier.
[Ghiglione, 1987] Rodolphe Ghiglione (1987). Questionner, pages 127182. (Chapitre de Blanchet et al. [1987]).
[Ghiglione & Matalon, 1978] Rodolphe Ghiglione & Benjamin Matalon (1978). Les enqutes sociologiques :
thories et pratiques. Armand Colin. ISBN : 2-200-31046-3.
[Janvier et al., 2002] Michel Janvier, Frdrique Kazi-Aoual, Mahmoud Hakim, Youssfi Elkettani, Martine
Marco, Vincent Guijarro, Mireille Bachelot, Jean-Christophe Hamon, Csar Goemine, Thomas Me,
Henri Gwet & Aude Burgos (2002). Statistique descriptive. Techniques de la statistique.
url : http://www.agro-montpellier.fr/cnam-lr/statnet/cours.htm.
[Lebaron, 2006] Frdric Lebaron (2006). Lenqute quantitative en sciences sociales recueil et analyse des
donnes. Psychologie Sociale. Dunod. ISBN : 2-10-048933-X.
[Levy, 2010] Jacques Levy. Math web. (2010).
url : http://jellevy.yellis.net/.
[Mazerolle, 2010] Fabrice Mazerolle (2010). Statistique descriptive, chapitre 3 : Statistiques permettant de rsumer
une srie.
url : http://www.mazerolle.fr/Statistique-descriptive/PlanHTML/statschapitre3.htm.
[Mucchielli, 1990] Roger Mucchielli (1990). Le questionnaire dans lenqute psycho-sociale. Formation permanente
en sciences humaines. ESF, 9e dition. ISBN : 2-7101-0761-9.
[Muller, 1973] Charles Muller (1973). Initiation aux mthodes de la statistique linguistique. Numro 32 in
Unichamp. Champion, rdition 1992. ISBN : 2-85203-270-8.
[Vronis, 2003] Jean Vronis. Informatique et statistiques (chapitre 2.). (2003).
url : http://sites.univ-provence.fr/veronis/cours/INFZ16/index.html.
[Veysseyre, 2006] Rene Veysseyre (2006). Statistique et probabilit pour lingnieur. Lusine nouvelle. Dunod, 2e
dition. ISBN : 2-10-049994-7.
[Wikipedia, 2010] Wikipdia (fr) (2010). Hypothse statistique.
url : http://fr.wikipedia.org/w/index.php?title=Hypoth%C3%A8se_statistique&oldid=45000342.

21