Vous êtes sur la page 1sur 3

Statistiques

1.4 Caractéristiques de dispersion


1.4.1 Exemple
Les élèves A et B ont obtenu dans une matière spécifique les notes ci-dessous
7,8,11,12,13,13,13 pour A
4,7,9,12,13,13,19 pour B
On peut vérifier que les séries de notes de A et B ont la même médiane (12), le même mode (13)
et la même moyenne (11) et pourtant ces deux séries de notes sont différentes :
Les notes de B sont plus dispersées que celle de A
Aussi, à coté des caractéristiques de position, on est amené à introduire des caractéristiques de
dispersion pour décrire plus précisément une population

1.4.2 L’étendue
A fin de mesurer l’étalement des termes d’une série, on peut tout d’abord calculer l’étendue
Définition
L’étendue d’une série est la différence de ses valeurs extrêmes
Exemple
Considérons l’exemple1.4.1
Les étendues des séries A et B valent respectivement eA = 13 − 7 = 6 et eB = 19 − 4 = 15
Les notes de B sont donc plus étalés que celle de A

1.4.3 L’écart absolu moyen


Pour étudier la dispersion des valeurs d’une série, on peut également calculer la moyenne des écarts
entre chaque valeur et la moyenne arithmétique . Il est nécessaire cependant que tous les termes de
la somme soient positifs d’où l’utilisation de la valeur absolue .
Définition
L’écart absolu moyen d’une série statistique est la moyenne des valeurs absolues des écarts à la
moyenne arithmétique x
n p
e m = 1  x i − x = 1  ni x i − x
n i =1 n i =1
Exemple
Considérons l’exemple1.4.1
Supposons que l’on veuille mesurer la dispersion des valeurs des deux séries à l’aide de l’écart moyen
( non absolu ) . On obtient
Pour A : 1 (7 − 11) + (8 − 11) +  + (13 − 11) = 0
7
Pour B : 1 (4 − 11) + (7 − 11) +  + (19 − 11) = 0
7
En fait, ce résultat est général :
n n n

n n n
1 (x − x ) = 1 x − 1 x = x − 1 n x = x − x = 0
i i
i =1 i =1 i =1 n
Comme les écarts moyens sont nuls, on comprend l’intérêt de calculer l’écart absolu moyen
Considérons l’exemple1.4.1
Pour A : 1  7 − 11 + 8 − 11 +  + 13 − 11  = 14
7 7
Pour B : 1  4 − 11 + 7 − 11 +  + 19 − 11  = 26
7 7
On retrouve bien le fait que les notes de B sont plus dispersées que celle de A
1.4.4 La variance et l’écart-type
Comme cela a été montré précédemment, le calcul de la moyenne des écarts entre chaque valeur
de la série et la moyenne arithmétique nécessaire que les termes de la somme soient positifs . Il
existe un autre procédé élémentaire qui permet de surmonter cette difficulté : les carrés
Définition
La variance d’une série statistique est la moyenne des carrés des écart à la moyenne arithmétique x
n p
V (X ) = 1  (x i − x ) = 1  ni (x i − x )
2 2

n i =1 n i =1
La variance peut être donné sous une autre forme
n p
V (X ) = 1  x i − x = 1  ni x i − x
2 2 2 2

n i =1 n i =1
En effet :
p
V (X ) = 2 1  ni (x i − x )
2

n i =1
p
= 1  ni (x i − 2 x i x + x )
2 2

n i =1
p p p
= 1  ni x i − 2 x  n i x i + 1 x  n i
2 2

n i =1 n i =1 n i =1
p
= 1  ni x i − 2 x + x
2 2 2

n i =1
p
= 1  ni x i − x
2 2

n i =1
Définition
L’écart-type d’une série statistique est la racine carrée de sa varianceV (X )
 (X ) = V (X )
Exemple

Classes ni ci ni c i (ci − x ) ni (ci − x )


4;6  2 5 10 −10,5 220,5
6;10  5 8 40 −7,5 281,25
10;20  8 15 120 −0,5 2
20;30  4 25 100 9,5 361
30;50  1 40 40 24,5 600,25
Total 20 310 1465

5
La moyenne de ces données est : X = 1  ni ci = 310 = 15,5
n i =1 20
5
La variance de ces données est : V (X ) = 1  ni (ci − x ) = 1465 = 73,25
2

n i =1 20
L’écart-type est :  (X ) = V (X ) = 73,25 = 8,56
1.4.5 Le coefficient de variation
L’écart-type, malgré sa pertinence dans la mesure de la dispersion d’une distribution, possède
un inconvénient majeur : il est exprimé dans l’unité de la variable à la quelle il se rapporte
Il est alors impossible de comparer les dispersions de deux distributions ayant un lien entre elles
( lien de causalité ou autre ) et dont les valeurs s’expriment dans des unités différents
Pour comparer la dispersion de deux séries qui ne sont pas exprimées dans les mêmes unités on
utilise le coefficient de variation
Cette statistique est une mesure neutre qui s’exprime la plupart du temps en pourcentage
Il se calcule en divisant l’écart-type par la moyenne est s’écrit donc :
 (X )
CV =
X
Plus grand est le coefficient de variation, plus grande est la dispersion

Exemple
Trouver le coefficient de variation des données suivantes

N Age Salaire
1 37 300
2 35 310
3 36 290
4 36 305
5 41 305
6 38 295
7 40 300
8 36 310
9 35 290
10 37 295

Solution

Age Salaire
Moyenne 37,1 300
Variance 3,69 50
Ecart-type 1,92 7,07
CV 0.05 0.02

Nous constatons que l’écart-type de l’âge est 1,92 ans et l’écart-type du salaire est 7.07 D
On ne peut pas dire que les salaires sont plus dispersés que les âges car les deux variables n’ont
pas les mêmes unités . Pour comparer la dispersion dans les deux variables , il faut faire l’analyse
avec le coefficient de variation car cette statistique n’a pas d’unité . Il ressort de ce fait que la
dispersion est plus énorme dans les âges que dans les salaires