Vous êtes sur la page 1sur 16

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE

U.F.R. SEGMI Année universitaire 2019 – 2020


L1 Économie Cours de B. Desgraupes

Statistiques Descriptives

Séance 03: Indicateurs de tendance

Table des matières


1 Introduction 1

2 Caractéristiques de position 1
2.1 Mode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Classe modale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Médiane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4 Quartiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.5 Déciles et centiles . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Indicateurs de tendance centrale 9


3.1 Moyenne arithmétique . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Moyenne géométrique . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Moyenne quadratique . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4 Moyenne d’ordre p . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.5 Moyenne harmonique . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.6 Comparaison des moyennes . . . . . . . . . . . . . . . . . . . . . 15

1 Introduction
La statistique descriptive définit des indices ou indicateurs permettant de ré-
sumer quantitativement les valeurs observées d’un caractère. On distingue les
types suivants :
• les indicateurs de position
• les indicateurs de tendance centrale
• les indicateurs de dispersion
• les indicateurs de concentration
On étudiera aussi des indicateurs de prix qui jouent un rôle important en
économie.
Hormis les caractéristiques de position, les autres indicateurs ne concernent
que les variables quantitatives car ils sont calculés à partir des valeurs du car-
actère.

1
2 Caractéristiques de position
Les indicateurs de position fournissent des renseignements sur des variables aussi
bien qualitatives que quantitatives.
Les caractéristiques de position sont de deux types :
• certaines sont relatives aux effectifs : mode et classe modale ;

• d’autres sont relatives au rang occupé par les observations les unes par
rapport aux autres plutôt qu’à leur valeur.
Remarque : dans le cas d’une variable qualitative, il faut qu’elle soit or-
dinale, c’est-à-dire qu’on puisse ordonner les valeurs du caractère, si on veut
pouvoir parler de rang.

2.1 Mode
Le mode concerne les variables qualitatives ou quantitatives discrètes. Dans ce
cas, on dresse la table des effectifs qui dénombre les observations correspondant
à chaque modalité.
Par définition, le mode est la valeur (ou la modalité) de la variable qui
a l’effectif le plus élevé. Sur un diagramme en bâtons, c’est la modalité qui
correspond au bâton le plus haut.
• Exemple 1
Une enquête de satisfaction a attribué une note entre 1 et 10 pour évaluer
la qualité d’un service. Les résultats sont les suivants :
Note 1 2 3 4 5 6 7 8 9 10
Effectifs 5 3 4 7 8 10 15 11 6 6
Il s’agit d’une variable quantitative discrète. Le mode est 7.
Le diagramme en bâtons fait clairement apparaître le mode.

2
14
12
10
8
6
4
2
0

1 2 3 4 5 6 7 8 9 10

• Exemple 2
Ménages selon la structure familiale.
Données INSEE pour 2011 (RP2011).

Type de ménage en milliers


Ménages composés uniquement
d’un homme seul 4 032,2
d’une femme seule 5 529,5
d’un couple sans enfant 7 250,4
d’un couple avec enfant(s) 7 435,6
d’une famille monoparentale 2 345,2

Ici les données sont en effectifs. Il s’agit d’une variable qualitative. Le mode
est “couple avec enfant(s)”.
• Exemple 3
Répartition des résidences principales par statut d’occupation (en %).
Données INSEE pour 2013.

Propriétaires 57,9
Locataires 39,1
Autres 3,0

Ici les données sont en proportion. Il s’agit d’une variable qualitative. Le


mode est “Propriétaires”.
Remarque :

3
Le mode n’est pas nécessairement unique. La notion de maximum est une
propriété dite locale plutôt que globale. Si le diagramme en bâtons a la forme
suivante, on voit apparaître deux modes et on dit, dans ce cas, que la distribution
est bimodale.

14
12
10
8
6
4
2
0

1 2 3 4 5 6 7 8 9 10

2.2 Classe modale


La classe modale concerne les variables quantitatives continues. Dans ce cas, on
regroupe les données en classes et on dresse la table des effectifs qui dénombre
les observations entrant dans chacune des classes.
On distingue alors deux cas :
• si les classes sont d’amplitude égale, la classe modale est celle qui a le plus
grand effectif.
• si les classes ne sont pas d’amplitude égale, on ramène tout à une amplitude
commune en divisant les fréquences par la longueur des intervalles. On calcule
donc les densités de chaque classe :

ni
di =
ai

Par définition, la classe modale est celle de plus forte densité. Graphique-
ment, on la repère sur un histogramme comme étant celle dont le rectangle est
le plus haut.
• Exemple
Une entreprise s’intéresse à la distance parcourue par les employés entre le
domicile et le lieu de travail. On a noté les effectifs suivants :
Kilométrage [0,10[ [10,20[ [20,30[ [30,40[ [40,50[ [50,60[ [60,70[
Effectifs 14 23 32 21 12 8 4

Ici toutes les classes sont de même amplitude. La classe modale est [20, 30[.

4
• Exemple
Répartition par âge des salariés de 15 ans ou plus
Données INSEE RP2011.

Âge Effectif Amplitude Densité


15 à 19 ans 487 944 4 121 986,0
20 à 24 ans 1 950 777 4 487 694,2
25 à 39 ans 8 911 762 14 636 554,4
40 à 54 ans 9 483 149 14 677 367,8
55 à 64 ans 2 722 458 9 302 495,3
65 ans ou plus 149 400 5 29 880,0

Les classes sont de longueur inégale. On doit calculer les amplitudes et les
densités.
La classe modale est celle des “40 à 54 ans”.
Remarque :
dans la table précédente, on a fixé l’amplitude de la classe des “65 ans et
plus” à 5. C’est ce qu’on appelle une estimation a maxima. On ne peut pas
dire quel est l’âge maximum d’un salarié mais on sait qu’il existe des salariés
de 70 ans, donc la borne supérieure est au moins de 70 et, en divisant par cette
amplitude (70-65=5), on obtient une valeur qui est un majorant la densité.

2.3 Médiane
La notion de médiane concerne les variables quantitatives.
Définition 2.1. La médiane est une quantité qui partage les observations en
deux groupes de même taille.

C’est donc une valeur M (parfois aussi notée Me) telle qu’il y ait 50% des
observations pour lesquelles le caractère observé X est inférieur à M et 50%
des observations pour lesquelles le caractère observé X est supérieur à M .
On peut écrire :
P (X ≤ M ) = 0.5
On reconnaît la définition des proportions cumulées.
• Exemple 1
On a relevé les notes de 9 étudiants à un examen :

11,5 7 16 14 8,5 10,5 13 11 5

Pour trouver la médiane, il faut commencer par ordonner les notes :


5 7 8,5 10,5 11 11,5 13 14 16

5
La valeur M = 11 est la médiane car elle sépare les données en deux groupes
de même taille.
• Exemple 2
On ajoute un dixième étudiant qui a obtenu 12 :
11,5 7 16 14 8,5 10,5 13 11 5 12

On ordonne les notes :


5 7 8,5 10,5 11 11,5 12 13 14 16

Les valeurs 11 et 11,5 constituent l’intervalle médian. On prend comme


médiane le milieu de cet intervalle, à savoir M = 11, 25.
• Exemple 3
Cas d’une variable continue
Exploitations agricoles selon la superficie agricole utilisée (SAU) en 2010.
Source INSEE. Les effectifs sont indiqués en milliers.

SAU Effectifs Proportions Prop. cumulées


Moins de 20 ha 235,4 45.74 45.74
De 20 à moins de 50 ha 88,4 17.18 62.92
De 50 à moins de 100 ha 97,6 18.96 81.88
De 100 à moins de 200 ha 72,7 14.12 96.00
200 ha ou plus 20,6 4.00 100
Total 514,7

On cherche où se situe la proportion cumulée de 50%. D’après la tableau,


c’est entre 45.74% et 62.92%.
Il faut faire une interpolation linéaire.
L’interpolation linéaire consiste à chercher la valeur M qui soit par rapport
à 20 et 50 comme la valeur 50% par rapport à 45.74% et 62.92%.
SAU Prop. cumulée
20 ha 45.74%
M? 50%
50 ha 62.92%
Graphiquement, on représente le problème de la manière suivante :

6
80
50 − 45.74 M − 20
=
62.92 − 45.74 50 − 20

70
62.92 %
Proportion cumulée

60

50 %
50

45.74 %
40

20 M 50
30

0 10 20 30 40 50 60

SAU

On calcule
50 − 45.74 M − 20
=
62.92 − 45.74 50 − 20
On en déduit :
4.26 M − 20
=
17.18 30
Finalement :
4.26 × 30
M = 20 + = 20 + 7.44 = 27.44 ha
17.18

2.4 Quartiles
La notion de quartiles concerne les variables quantitatives.
Définition 2.2. Les quartiles sont trois quantités qui partagent les observations
en quatre groupes de même taille.

Ce sont donc des valeurs, habituellement notées Q1 , Q2 et Q3 , telles qu’il


y ait 25% des observations pour lesquelles le caractère observé X soit compris
dans les intervalles qu’elles délimitent. Plus précisément, on a :

P (X < Q1 ) = 0.25
P (Q1 < X < Q2 ) = 0.25
P (Q2 < X < Q3 ) = 0.25
P (X > Q3 ) = 0.25

7
En utilisant les proportions cumulées, c’est équivalent à dire que :
P (X < Q1 ) = 0.25
P (X < Q2 ) = 0.50
P (X < Q3 ) = 0.75

On en déduit, en particulier, que le quartile Q2 n’est autre que la médiane :

Q2 = M

L’intervalle [Q1 , Q3 ] concentre 50% des observations :

P (Q1 < X < Q3 ) = 0.50

• Exemple 1
Cet exemple a déjà été vu dans la séance 01. On a relevé les poids suivants
(en kg) parmi 100 individus :
64 85 79 84 68 74 94 75 64 65
72 74 78 69 67 64 70 63 69 82
62 64 71 74 77 73 77 76 82 82
86 48 50 69 76 59 70 61 55 77
73 81 76 56 63 84 63 57 76 86
62 70 69 66 63 90 72 73 73 76
75 70 68 66 74 66 52 66 81 57
77 79 55 69 78 60 85 70 67 64
76 78 65 81 69 76 72 71 74 58
67 76 74 78 79 69 92 64 73 65
On doit d’abord ordonner les poids :
48 50 52 55 55 56 57 57 58 59
60 61 62 62 63 63 63 63 64 64
64 64 64 64 65 65 65 66 66 66
66 67 67 67 68 68 69 69 69 69
69 69 69 70 70 70 70 70 71 71
72 72 72 73 73 73 73 73 74 74
74 74 74 74 75 75 76 76 76 76
76 76 76 76 77 77 77 77 78 78
78 78 79 79 79 81 81 81 82 82
82 84 84 85 85 86 86 90 92 94
On a fait apparaître les valeurs situées en positions 25-26, 50-51 et 75-76.
Ce sont des intervalles quartiles. Il faut en prendre le milieu. Par exemple,
(
poids[25] = 65
=⇒ Q1 = 65
poids[26] = 65

8
(
poids[50] = 71
=⇒ Q2 = 71, 5
poids[51] = 72
De même, on trouve Q3 = 77. On peut dire que 50% des personnes observées
pèsent entre 65 et 77 kilos.
• Exemple 2
Distribution du revenu salarial annuel par sexe ou catégorie socioprofession-
nelle sur l’ensemble des salariés en 2010.
Source INSEE (DADS 2010 définitif). Montants en euros courants.
Q1 Q2 Q3
Ensemble 9 370 17 510 24 590
Femmes 7 930 15 910 22 270
Hommes 11 460 19 060 26 820
Cadres 24 420 33 650 46 350
Professions intermédiaires 16 130 22 400 27 870
Employés 6 010 14 060 18 640
Ouvriers 7 410 15 580 20 000

2.5 Déciles et centiles


Définition 2.3. Les déciles sont 9 quantités qui partagent les observations en
10 groupes de même taille (contenant chacun 10% des observations).
On les notes usuellement D1 , D2 , . . . , D9 . L’intervalle [D1 , D9 ] concentre
80% des observations. On remarque que le 5ème décile est la médiane: D5 = M .
Définition 2.4. Les centiles sont 99 quantités qui partagent les observations
en 100 groupes de même taille (contenant chacun 1% des observations).
On les notes usuellement C1 , C2 , . . . , C99 ou aussi parfois P1 , P2 , . . . , P99 (car
en anglais on dit “percentile”). On a C50 = M .
• Exemple
On reprend l’exemple de la distribution du revenu salarial annuel par sexe ou
catégorie socioprofessionnelle sur l’ensemble des salariés en 2010. Les données
de l’INSEE donnent les valeurs suivantes pour les principaux déciles :
D1 D5 D9
Ensemble 2 360 17 510 34 600
Femmes 1 970 15 910 30 070
Hommes 2 840 19 060 39 110
Cadres 10 840 33 650 66 600
Professions intermédiaires 6 310 22 400 33 660
Employés 1 450 14 060 22 980
Ouvriers 1 910 15 580 24 190

9
La médiane, les quartiles, les déciles et les centiles s’appellent de manière
générale des quantiles.
En généralisant leur définition on obtient la notion de quantile d’ordre α%.
C’est une quantité qα telle que α% des valeurs observées soient inférieures à qα .
Autrement dit, on écrit :

P (X < qα ) = α/100

si α est exprimé en pourcentage.

3 Indicateurs de tendance centrale


Dans tout ce qui suit, on définira les indicateurs dans deux cas de figures selon
la manière dont sont présentées les données :
• sous forme de données exhaustives (on dit aussi des données individuelles)
;
• sous forme de données regroupées dans des tableaux d’effectifs ou des
tableaux de fréquences (on dit aussi des données en classes).

3.1 Moyenne arithmétique


La valeur centrale la plus simple est la moyenne arithmétique. Si les données
sont disponibles sous forme exhaustive, c’est la somme des valeurs divisée par
le nombre total d’observations :

x1 + x2 + · · · + xN
m=
N

Cette moyenne est aussi notée m1 ou encore x̄ où x est le “vecteur” contenant


toutes les valeurs observées.
• Exemple
20 étudiants ont passé un test noté entre 0 et 5 et on a relevé les notes
suivantes :
23143233324320422433
La moyenne est :
2+3+1+4+3+2+3+3+3+2+4+3+2+0+4+2+2+4+3+3
m=
20
53
= = 2, 65
20

10
Si on ordonne ces notes par ordre croissant, le calcul précédent peut s’écrire
de la manière suivante :
0+1+2+2+2+2+2+2+3+3+3+3+3+3+3+3+4+4+4+4
m=
20
0 + 1 + (2 + 2 + 2 + 2 + 2 + 2) + (3 + 3 + 3 + 3 + 3 + 3 + 3 + 3) + (4 + 4 + 4 + 4)
=
20
1×0+1×1+6×2+8×3+4×4
=
20
1 + 12 + 24 + 16
=
20
53
= = 2, 65
20

Cette écriture correspond à la table des effectifs associée à ces notes :


Notes 0 1 2 3 4
Effectifs 1 1 6 8 4
On aboutit donc à l’autre formule permettant de calculer la moyenne arith-
métique lorsque les données sont regroupées dans une table d’effectifs de la forme
:
Valeurs v1 v2 v3 ··· vk
Effectifs n1 n2 n3 ··· nk
La formule s’écrit :

n 1 v1 + n 2 v2 + · · · + n k vk
m=
N

avec N = n1 + n2 + · · · + nk .
Exercice
On a relevé pendant un mois dans une entreprise le nombre d’absences ré-
sultant d’arrêts-maladies :
Durée en jours 1 2 3 4 5 6 7 8
Effectifs 7 9 4 4 6 5 2 1
Calculer la durée moyenne d’un arrêt-maladie.
• Corrigé
L’effectif total est de 38. On applique la formule en données regroupées :
7×1+9×2+4×3+4×4+6×5+5×6+2×7+1×8
m=
38
135
=
38
≈ 3, 55

11
En partant de la formule en données regroupées et en divisant chaque terme
par N , on obtient :
n 1 v1 + n 2 v 2 + · · · + n k vk
m=
N
n1 n2 nk
= v1 + v2 + · · · + vk
N N N
= f1 v1 + f2 v2 + · · · + fk vk
où fi = nNi est la fréquence.
Donc, lorsqu’on a un tableau de proportions (et non plus d’effectifs), la
formule pour la moyenne est :

m = f1 v1 + f2 v2 + · · · + fk vk

Dans le cas d’une variable continue regroupée en classes, on utilise les milieux
des classes pour faire les calculs.
• Exemple
Le tableau suivant donne la répartition des employés d’une entreprise selon
le salaire mensuel en milliers d’euros. Calculer la moyenne.

[1.5,2[ [2,2.5[ [2.5,3[ [3,3.5[ [3.5,4[ [4,5[


ni 31 34 40 26 13 6 150
vi 1.75 2.25 2.75 3.25 3.75 4.5
ni vi 54.25 76.50 110 84.50 48.75 27 401
Les vi sont les milieux des classes.
1 
m= 31 × 1.75 + 34 × 2.25 + 40 × 2.75 + 26 × 3.25
150 
+ 13 × 3.75 + 6 × 4.5
401
= = 2.67
150

3.2 Moyenne géométrique


La moyenne géométrique intervient lorsqu’on a affaire à des grandeurs qui sont
par essence multiplicatives. L’exemple le plus courant est celui des coefficients
multiplicateurs qui permettent de calculer l’évolution d’une grandeur soumise à
un taux d’accroissement.
Il faut que les valeurs soient des nombres positifs.
Dans le cas de données exhaustives, la formule s’écrit :
  N1 √
m0 = x1 x2 . . . xN = N x1 x2 . . . xN

12
Avec des données regroupées dans un tableau d’effectifs, la formule s’écrit
de la manière suivante :
  N1 q
m0 = v1n1 v2n2 . . . vknk = N v1n1 v2n1 . . . vknk

Exercice
Les dépenses de consommation des ménages au cours des deux derniers
trimestres de 2013 et des deux premiers trimestres de 2014 ont évolué de la
manière suivante :
2013 T3 2013 T4 2014 T1 2014 T2
Conso. ménages -0,1% 0,2% -0,5% 0,5%
Source : note de conjoncture INSEE.
Montrer que le coefficient multiplicateur moyen est la moyenne géométrique
des coefficients multiplicateurs de chaque trimestre.
• Corrigé
Pour un taux d’accroissement r, le coefficient multiplicateur est (1 + r). On
applique donc successivement les taux multiplicateurs en multipliant par :

(1 − 0, 1/100) × (1 + 0, 2/100) × (1 − 0, 5/100) × (1 + 0, 5/100)


= (1 − 0, 001) × (1 + 0, 002) × (1 − 0, 005) × (1 + 0, 005)
= 0, 999 × 1, 002 × 0, 995 × 1, 005 = 1, 000973

Si on appelle t le taux trimestriel moyen, le coefficient multiplicateur est


(1 + t) et on doit avoir, sur quatre mois :

(1 + t)4 = 0, 999 × 1, 002 × 0, 995 × 1, 005

et donc  1/4
1 + t = 0, 999 × 1, 002 × 0, 995 × 1, 005
C’est bien la formule de la moyenne géométrique. Numériquement on trouve :

1 + t = 1, 000243 =⇒ t = 0, 000243 = 0, 0243%

C’est quasiment stable (t ≈ 0%).

3.3 Moyenne quadratique


La moyenne quadratique intervient lorsqu’on a affaire à des grandeurs qui sont
par essence des carrés d’une certaine quantité. L’exemple le plus courant est
celui des surfaces. Elle est notée en général m2 .
Il s’agit de prendre la moyenne des carrés des valeurs. Mais comme on
s’attend à ce qu’une moyenne soit exprimée dans la même unité que les grandeurs
elles-mêmes, il faut prendre la racine carrée du résultat.

13
La formule pour des données exhaustives est :

 12 r
x21 + x22 + · · · + x2N x21 + x22 + · · · + x2N

m2 = =
N N

Pour des données regroupées en tableau d’effectifs, la formule devient :

 12 r
n1 v12 + n2 v22 + · · · + nk vk2 n1 v12 + n2 v22 + · · · + nk vk2

m2 = =
N N

Pour des données regroupées en tableau de fréquences, la formule devient :

 21 q
m2 = f1 v12 + f2 v22 + · · · + fk vk2 = f1 v12 + f2 v22 + · · · + fk vk2

Exercice
Un paysan possède 5 parcelles carrées dont le côté mesure respectivement
1,2 1,5 2,3 4,7 5,1

Il voudrait les échanger contre cinq parcelles carrées identiques pour une
même surface totale. Monter que l’arête des nouvelles parcelles est la moyenne
quadratique des 5 arêtes.
Attention : l’arête des nouvelles parcelles n’est pas la moyenne arithmé-
1, 2 + 1, 5 + 2, 3 + 4, 7 + 5, 1
tique des cinq arêtes = 2.96.
5
• Corrigé
Si a est l’arête recherchée, on doit avoir, en écrivant l’égalité des surfaces :

5 a2 = 1, 22 + 1, 52 + 2, 32 + 4, 72 + 5, 12

On en déduit :
1, 22 + 1, 52 + 2, 32 + 4, 72 + 5, 12
a2 =
5
et donc : 1/2
1, 22 + 1, 52 + 2, 32 + 4, 72 + 5, 12

a=
5
ce qui est bien la formule de la moyenne quadratique.
Les calculs donnent
 1/2 r
1, 44 + 2, 25 + 5, 29 + 22, 09 + 26, 01 57, 08
a= = ≈ 3, 38
5 5

14
3.4 Moyenne d’ordre p
La moyenne quadratique se généralise sans difficulté au cas de la puissance p
(au lieu de la puissance 2). On obtient alors la moyenne d’ordre p qui est notée
en général mp .
Il s’agit de prendre la moyenne des puissances p-ièmes des valeurs. Mais
comme on s’attend à ce qu’une moyenne soit exprimée dans la même unité que
les grandeurs elles-mêmes, il faut prendre la racine p-ième du résultat.
La formule pour des données exhaustives est :

 p1 r
xp1 + xp2 + · · · + xpN xp1 + xp2 + · · · + xpN

p
mp = =
N N

Pour des données regroupées en tableau d’effectifs, la formule devient :

 p1 r
n1 v1p + n2 v2p + · · · + nk vkp n1 v1p + n2 v2p + · · · + nk vkp

p
mp = =
N N

Pour des données regroupées en tableau de fréquences, la formule devient :

1
q
mp = (f1 v1p + f2 v2p + · · · + fk vkp ) p = p
f1 v1p + f2 v2p + · · · + fk vkp

3.5 Moyenne harmonique


Si on prend la valeur p = −1 dans la définition de la moyenne d’ordre p vue
précédemment, on obtient la moyenne harmonique, en générale notée m−1 .
La formule pour des données exhaustives est :
−1
x−1 −1 −1

1 + x2 + · · · + xN
m−1 =
N

En appliquant le fait que la puissance -1 d’un nombre est son inverse, on


obtient :
N
m−1 = −1
x1 + x2 + · · · + x−1
−1
N
Finalement
N
m−1 =
1/x1 + 1/x2 + · · · + 1/xN

Exercice
(emprunté à M. Crawley, Statistics: An Introduction using R, Ed. Wiley,
2005)
Un éléphant habite dans un enclos carré d’un kilomètre de côté. Il en fait
le tour tous les jours de la manière suivante : il parcourt le premier côté à la

15
vitesse de 1 km/h, puis le deuxième côté à la vitesse de 2 km/h, le troisième
côté à la vitesse de 4 km/h, et le dernier côté à la vitesse de 1 km/h.
Quelle est sa vitesse moyenne ?
Attention : nous allons voir que ce n’est pas la moyenne arithmétique des
1+2+4+1
quatre vitesses = 2.
4
• Corrigé
d
La vitesse est la distance divisée par le temps : v = .
t
On sait que la distance parcourue est de d = 4 kilomètres (c’est le périmètre
de l’enclos).
Le temps mis à en faire le tour est la somme des temps mis à parcourir chaque
arête : 1 heure pour le premier côté, 1/2 heure pour le deuxième, 1/4 heure pour
le troisième, 1/2 heure pour le dernier. D’où le temps total :
t = 1 + 1/2 + 1/4 + 1 = 11/4
Finalement :
d 4
v= =
t 1/1 + 1/2 + 1/4 + 1/1
C’est la formule de la moyenne harmonique ! Numériquement, on trouve
v = 16/11 ≈ 1, 45 km/h.

3.6 Comparaison des moyennes


Toutes les moyennes vues précédemment peuvent être comparées entre elles
grâce au résultat suivant :
Si p < q alors mp ≤ mq .
Il y a égalité si et seulement si toutes les valeurs sont égales entre elles.
Autrement l’inégalité est stricte.

Exercice
Calculer les moyennes m−1 , m0 , m1 , m2 , m3 des nombres 7, 8, 9, 10.
• Corrigé
On trouve : 


 m−1 = 8, 351284
m0 = 8, 425732



m1 = 8, 5

m2 = 8, 573214





m
3 = 8, 644585
et on constate effectivement que ces valeurs vont en croissant :
m−1 < m0 < m1 < m2 < m3

16

Vous aimerez peut-être aussi