M05 - Les Statistiques

Formateur: Mr.
EL MEKKAOUI La Statistique
1
Table des matières:
Partie 1 - Statistiques descriptives
I) Statistiques descriptives à une seule variable
Introduction;
Chapitre 1: Notion de base de la statistique

1) Définition de la statistique;
2) Terminologie de base:
Chapitre 2: Présentation des tableaux Statistiques:

1) Représentation d’un caractère qualitatif;
2) Représentation d’un caractère quantitatif:
a) Discret;
b) Continu;
b – 1) de mêmes amplitudes
b – 2) d’inégales amplitudes
Formateur: Mr. EL MEKKAOUI La Statistique 2

Chapitre 3: Représentations graphiques des séries statistiques:
1) Représentation d’un caractère qualitatif;

2) Représentation d’un caractère quantitatif:
a) Discret;
b) Continu;
b – 1) de mêmes amplitudes
b – 2) d’inégales amplitudes
Chapitre 4: Les caractéristiques de tendance centrale
1) Introduction
2) Les moyennes:
2 – 1) La moyenne arithmétique;
2 – 2) La moyenne Géométrique;
2 – 3) La moyenne Harmonique;
2 – 3) La moyenne Quadratique
3) La médiane
4) Le mode

Chapitre 5: Les caractéristiques de dispersion;
1) introduction;
2) L’étendue;
3) L’écart interquartile;
4) Les paramètres qui se dispersent par rapport à la moyenne:
4 – 1) La variance;
4 – 2) L’écart type;
4 – 3) L’écart absolu moyen;
4 – 4) Le coefficient de variation
II) La statistique descriptive à deux variables:
Chapitre 6: L’ajustement linéaire et la corrélation
A) L’ajustement linéaire;
1) Principe d’ajustement linéaire;
2) L’ajustement linéaire par la méthode des moindres carrés
3) Droite de régression;
B) La corrélation
1) Principe de corrélation
2) Le coefficient de corrélation

Chapitre 7: Les séries chronologiques:
1) Analyse de la tendance générale ou le trend;

2) Analyse des mouvements saisonniers;
3) Essai des estimations.
Partie II) La Statistique de probabilité
Chapitre 1 – Théories élémentaires de probabilité:
1) Notions de probabilité;
2) Les événements et les probabilités;
3) Règles de calcul des probabilités;
4) Distribution de probabilité discrète.
Chapitre 2 – les lois statistiques simples

1) Introduction;
2) Loi binomiale;
3) Loi de poisson;
4) Loi normale.
Introduction à la statistique descriptive:
Jusqu’au 19ème siècle la statistique s’est limitée à des recensements démographiques. Depuis
le début du 20 siècle, et sous l’impulsion des mathématiques qui ont introduit le calcul des
probabilités, la statistique est devenue une véritable science.
Dans le langage courant, on distingue entre les termes suivants:
Statistique : au singulier Statistiques : au pluriel
A pour objet l’étude, à l’aide de

traitements mathématiques
(méthodes d’analyse numérique), de
désigne les collectes des données
nombreux faits correspondants à
numériques qui regroupent toutes
l’observation d’un phénomène (les
les observations relatives à un
Statistiques), dans le but de fournir
même phénomène.
une description claire et complète de
la réalité, d’essayer de l’expliquer et
d’aider à la prise de décision.
 Autrement dit, la statistique est l’ensemble de méthodes qui ont pour objet l’étude
mathématique des statistiques. C’est un outil d’aide à la décision.
Pour mieux cerner cette discipline, on peut décomposer une étude statistique en
plusieurs étapes suivant le schéma:
Schéma d’une analyse statistique

Phénomène étudié
Définir les variables
Collecter les informations
Dépouillement
Tableaux Graphiques Valeurs caractéristiques Autres analyses
Commentaires
Décisions Prévisions
Dans la pratique, quel est le rôle de la statistique dans les entreprises?
Lorsqu’une entreprise est affrontée à un problème dont l’origine peut être attribuée à
plusieurs facteurs sans en connaitre la proportion exacte, alors que faire?
Avant toute décision, il faut avoir les éléments chiffrés qui vont permettre à l’entreprise de
savoir ce qui l’en est exactement. C’est là qu’intervient une étude statistique:
 1ère étape: Après avoir déterminé avec précision le phénomène étudié, on procède au
choix des informations pertinentes (variables) à collecter par rapport à l’objet de l’étude.
 2ème étape: Collecter les informations.
 3ème étape: Elle consiste à tirer et placer les informations pour opérer ainsi les
dépouillements qui permettent d’obtenir des tableaux.
 4ème étape: les tableaux obtenus représentent une information brute difficile à analyser,
il faut alors:
 Les visualiser sur des graphiques;

 Les résumer par des valeurs remarquables qu’on appelle valeurs caractéristiques (de
tendance centrale, de dispersion, de concentration, de forme,…) et fournissent des
éléments essentiels d’appréciation.

 5ème étape: Selon la complexité du phénomène étudiée, on peut compléter cette étude
par d’autres analyses telles que:
 L’étude de régression et de la corrélation;

 Le calcul d’indice statistique;
 L’étude des séries chronologiques.
Ces techniques permettent, entre autre, de « modéliser » le phénomène étudiée, de le

traduire en équation qui permettront de tester les différentes hypothèses de travail ou
d’analyse.
 6ème étape: cette dernière étape consiste à analyser et commenter les résultats obtenus
afin de pouvoir décider fiablement et de déboucher sur des prévisions qui permettront
d’améliorer le fonctionnement d’un système: C’est le travail des statisticiens.

Chapitre 1: La terminologie Statistique
Comme toutes sciences, la statistique a un vocabulaire qui lui ait spécifique.

Le premier souci du statisticien est de définir sans ambiguïté l’ensemble de références sur
lequel va porter la collecte d’informations.
Cet ensemble est désigné sous le nom de Population.
La population Statistique: ensemble d’éléments ou d’individus ayant un caractère
commun à étudier. Cette population peut être des personnes , des animaux, des objets et
des phénomènes:
Population
unité ou individu Echantillon

Échantillon : partie de la population, c’est un sous-ensemble de la population. Pour que
l’étude soit valide, il faut que l’échantillon soit représentatif de la population.
Individu : est chaque élément de la population ou l’échantillon.
L’enquête statistique : est l’ensemble des opérations qui ont pour but de collecter de
façon organisée des informations relatives à une population, il existe deux types
d’enquête :
Le recensement : c’est une enquête totale Le sondage : est une enquête

et complète qui porte sur toutes les unités partielle qui concerne uniquement
de la population. Ex : le recensement une partie de la population. Ex : le
général de la population marocaine en sondage sur la consommation des
1994; 2004; 2014. ménages.
 Le caractère statistique :
Exemple : une enquête sur le personnel d’une E/SE avait portée sur les éléments suivants :
 Revenu mensuel : 2.000; 6.000; 8.000; 10.000.
 Age : [20,30[; [30,40[; [40,50[; [50,60[.
 Taille : 10; 15; 11;9.
 Situation familiale : Célibataires; Mariés; Divorcés; Veufs.
Le caractère statistique est l’aspect particulier que l’on désire étudier, c’est un
trait commun à toutes les unités statistiques.
Caractère
Qualitatif Quantitatif
Caractère non mesurable non chiffré Caractère mesurable et chiffré
Discontinu ou discret Continu
Caractère qu’on ne peut Un caractère ne peut Un caractère peut

pas ni le mesurer ni le prendre qu’un nombre prendre toutes les
compter. Exemple : fini de modalités valeurs se trouvant à
marques des véhicules possibles. Exemple l’intérieur de son
dans une entreprise de nombre de commandes intervalle de variation.
transport, situation par client,…. Exemple : la taille, le
familiale,… poids,…
Modalité statistique:
On appelle modalité statistique les différents cas possible que peut prendre un caractère.
Exemple
Caractère Modalité statistique
Situation familiale Marié; célibataire; divorcé; veuf
sexe Masculin; féminin
Revenu/salarié [2000,2500[; [2500,3000[; [3000,3500[…
Série statistique : c’est l’ensemble constitué des xi et ni. On parle aussi de distribution
statistique à une variable.
Effectif : C’est le nombre de fois que se répète chaque modalité du caractère, on l’appelle
aussi fréquence absolue.
Classe : intervalle égaux ou inégaux déterminés à l’intérieur du champ de variation de la

variable statistique observée.
Une variable statistique : chaque modalité d’un caractère peut prendre un nombre
variable, ce nombre s’appelle variable statistique. Ainsi selon la nature du caractère, on
sera amené à considérer une variable statistique discrète et une variable statistique
continue.
Chapitre 2: Présentation des tableaux Statistiques
I) Tableaux Statistiques
A) Caractère Qualitatif :
Exemple 1 : Soit un échantillon de 30 véhicules choisis au hasard parmi 100 véhicules

d’une entreprise de transport et logistique. Les véhicules sont répartis selon les
marques suivantes : Citroën, Peugeot, Renault, Ford, Fiat, Volvo, Mitsubishi.
Les résultats se répartissent comme suit:
C-P-V-P-C-R-C-V-Fd-Ft-M-M-Fd-Fd-P-P-C-C-M-Fd-Ft-Ft-P-P-R-C-M-V-V-R
Travail demandé :
Présenter les données ci-dessus dans un tableau statistique

Tableau:
Les marques Les véhicules
Citroën
Peugeot
Renault
Ford
Fiat
Volvo
Mitsubishi
Total ∑ni = N= 30
B) Caractère Quantitatif :
B – 1) Caractère Quantitatif discret :
Exemple 2 : Répartition des 30 véhicules suivants leur puissance fiscale :
2-2-4-11-9-8-9-10-3-6-3-5-5-7-7-4-4-6-7-8-9-7-10-11-11-2-5-3-6-9
Travail demandé :
Présenter les données ci-dessus dans un tableau statistique

Tableau:
Puissances fiscales Les véhicules « nᵢ »

« Xᵢ »
2
3
4
5
6
7
8
9
10
11
Total ∑nᵢ = N= 30
B – 2) Caractère Quantitatif Continu:
B – 2 – 1) Caractère Quantitatif Continu de mêmes Amplitudes
Amplitude « aᵢ » = La limite Supérieure – La Limite Inférieure

Exemple 3: Répartition des 30 véhicules suivant leur kilométrage parcouru
10 000 – 15 000 – 12 000 – 100 000 – 11 000 – 30 000 – 50 000 – 80 000 – 65 000 – 13 000 –
77 000 – 33 000 – 42 000 – 69 000 – 93 000 – 20 000 – 19 000 – 57 000 – 49 000 – 22 000 –
78 000 – 32 000 – 16 000 – 89 000 – 95 000 – 34 000 – 27 000 – 48 000 – 112 000 – 107 000
Tableau: Avec aᵢ = 10 000 Km

Kilométrages Les véhicules Amplitude
« Xᵢ » « nᵢ » « aᵢ »
10 000 – 20 000 10 000
20 000 – 30 000 10 000
30 000 – 40 000 10 000
40 000 – 50 000 10 000
50 000 – 60 000 10 000
60 000 – 70 000 10 000
70 000 – 80 000 10 000
80 000 – 90 000 10 000
90 000 – 100 000 10 000
100 000 – 110 000 10 000
110 000 – 120 000 10 000
B – 2 – 2) Caractère Quantitatif Continu d’inégales Amplitudes:
mêmes données de l’exemple 3 précèdent: Nombre de km parcourus par les véhicules:
10 000 – 15 000 – 12 000 – 100 000 – 11 000 – 30 000 – 50 000 – 80 000 – 65 000 – 13 000 –
77 000 – 33 000 – 42 000 – 69 000 – 93 000 – 20 000 – 19 000 – 57 000 – 49 000 – 22 000 –
78 000 – 32 000 – 16 000 – 89 000 – 95 000 – 34 000 – 27 000 – 48 000 – 112 000 – 107 000
Kilométrage Les véhicules Amplitudes

« Xᵢ » « nᵢ » « aᵢ »
10 000 – 20 000 10 000
20 000 – 40 000 20 000
40 000 – 55 000 15 000
55 000 – 65 000 10 000
65 000 – 70 000 5 000
70 000 – 90 000 20 000
90 000 – 110 000 20 000
110 000 – 120 000 10 000
II) Calcul sur les tableaux Statistiques:
1) Notion de la fréquence relative « fᵢ »
C’est la part ou la proportion de l’effectif d’une modalité à l’effectif total
• La formule de la fréquence relative « fᵢ »
nᵢ nᵢ
fᵢ = Ou fᵢ = x 100
∑nᵢ ∑nᵢ
• Toujours la somme des fréquences est toujours égale à 100 (ou 1 sans pourcentage)
• Démonstration:
∑fi = f1+f2+f3+…+fn
Donc ∑fi = n1 / ∑ni + n2 / ∑ni + n3 / ∑ni + … + np / ∑ni
avec n1+n2+n3+…+np = ∑ni
n1+n2+n3+…+np ∑ni
∑fi = ∑fi = =1
∑ni ∑ni
2) Notion d’effectifs et fréquences cumulés:
a) Notion des effectifs et fréquences cumulés croissants:

On obtient les nᵢ cumulés croissants de manière suivante:
À chaque effectif ni on ajoute l’effectif ou les effectifs qui le précédent. (même
principe pour les fréquences cumulés croissantes).
Exemple: Soit la série statistique suivante, relative au nombre de commandes

par client dans une entreprise de transport et la logistique:
Nombre de commandes Nombre de Fréquence nᵢ cumulés fᵢ cumulées

« Xᵢ » clients « nᵢ » relative « fᵢ » croissants croissantes
« nᵢ. C. ↗ » « fᵢ. C. ↗ »
1 5 0,125 5 0,125
2 10 0,25 15 0,375
3 5 0,125 20 0,5
4 6 0,15 26 0,65
5 2 0,05 28 0,70
6 12 0,3 40 1
Total ∑nᵢ = 40 ∑fᵢ = 1
 Interprétation de « nᵢ. C. ↗ » et« fᵢ. C. ↗ »:
 Dans notre exemple, prenant nᵢ. C ↗= 20: donc on peut dire que nous avons 20
clients qui ont demandé au maximum 3 commandes, soient 0,5 ou 50% des clients.
 Remarques: Toujours nous avons:
 np. C. ↗ = ∑nᵢ;
 fp. C. ↗ = ∑fᵢ;
 n₁. C. ↗ = n₁;
 f₁. C. ↗ = f₁.

b) Les effectifs et les fréquences cumulés décroissants
On obtient les effectifs cumulés décroissants de la manière suivante:
 À partir de l’effectif total on retranche « en cascade » l’effectif « nᵢ » qui
correspond à chaque ligne. (même principe pour les fᵢ)
 Ou on commence par la dernière ligne et à chaque effectif, on ajoute l’effectif
ou les effectifs qui le suit . (même principe pour les fᵢ).
Reprenant l’exemple précédent:
Nombre de commandes Nombre de Fréquence ni cumulés fi cumulées

« Xᵢ » clients « nᵢ » relative « fᵢ » décroissants décroissante
« nᵢ. C. ↘ » s « fᵢ. C. ↘ »
1 5 0,125 40 1
2 10 0,25 35 0,875
3 5 0,125 25 0,625
4 6 0,15 20 0,50
5 2 0,05 14 0,35
6 12 0,3 12 0,3
Total ∑nᵢ = 40 ∑fᵢ = 1

 Interprétation de « nᵢ. C. ↘ » et« fᵢ. C.↘ »:
 Dans notre exemple, prenant nᵢ. C . ↘ = 25: donc on peut dire que nous avons 25
clients qui ont demandé au minimum 3 commandes, soient 0, 625 ou 62,5% des
clients.
 Remarques: Toujours nous avons:
 n₁. C. ↘ = ∑nᵢ;
 f₁. C. ↘ = ∑fᵢ;
 np. C. ↘ = np;
 fp. C. ↘ = fp.

c) Exemple d’application:
Le tableau suivant, donne la répartition de 50 entrepôts selon leurs surfaces en m²
d’une grande plate – forme de Tanger . Les résultats se présentent comme suit:
Tranches des surfaces en Effectifs nᵢ. C.↗ nᵢ. C.↘ Fréquen fᵢ. C.↗ fᵢ. C.↘
m² « nᵢ » ce « fᵢ% » en % en %
500 – 1 000 24
1 000 – 1 500 52
1 500 – 3 000 86 32
3 000 – 5 000
5 000 – 7 000 6
Totaux ∑nᵢ = ∑fᵢ% =
Travail demandé:
1) Compléter le tableau ci-dessus.
2) Quel est le nombre et le pourcentage des entrepôts qui ont:
a) Moins de 3 000 m²;
b) Au moins 1 500 m²;
c) Au moins 1 000 m² et moins de 5 000 m².
Chapitre 3: Les représentations graphiques:
Introduction:
La représentation graphique d’une série statistique dépend de la nature du

caractère étudié. On peut schématiser les différentes représentations comme suit:
Caractère
Qualitatif Quantitatif
Discontinu ou
Diagramm Autres Continu
e en tuyaux
Diagramme
graphi
discret
circulaire
d’orques ques
Courbe
Courbe Diagramm
Histogramme cumulati
cumulative e en bâton
ve
De mêmes D’inégales
amplitudes amplitudes

I) Caractère qualitatif:
1) Diagramme en tuyaux d’orgues ou diagramme rectangulaire:
Les tuyaux d’orgues sont des rectangles dont la base est constante et dont la hauteur est
proportionnelle à la fréquence fᵢ ou à l’effectif nᵢ correspondant à chaque modalité.
Diagramme en tuyaux d’orgues

Les marques Les 7
véhicules 6
Citroën 6 5 Citroën
Peugeot 6 4 Peugeot
Renault 3 Renault
3
Ford 4
2 Ford
Fiat 3
Volvo 4 1 Fiat
Mitsubishi 4 0 Volvo
Total ∑nᵢ = N= 30 Mitsubishi

2) Diagramme circulaire ou diagramme à secteur:
On partage un cercle en secteurs dont les aires sont proportionnelles aux pourcentages
donnés.
À chaque modalité du caractère correspond un secteur angulaire ou angle au centre appelé
αᵢ dont la mesure en degrés αᵢ = fᵢ x 360° ou (αᵢ = fᵢ x 180° pour demi – cercle)
Les
Citroën
marques fᵢ αᵢ
Citroën 0,20 72° Peugeot
13% 20%
Peugeot 0,20 72°
13% Renault
Renault 0,10 36°
Ford 0,13 48° 10% 20% Ford
Fiat 0,10 36° 14% 10%
Fiat
Volvo 0,13 48°
Mitsubishi 0,13 48° Volvo
Total ∑fᵢ = 1 ∑αᵢ=
360° Mitsubishi

II) Caractère quantitatif:
A) Caractère quantitatif discret:
1) Diagramme en bâton:
À chaque valeur prise par la variable on trace un bâton dont la hauteur est proportionnelle
à nᵢ ou fᵢ.
Xᵢ nᵢ Puissances fiscales des véhicules

2 3
3 3 4
4 3 3,5
5 3 3
6 3 2,5
7 4 2
8 2 1,5
9 4 1
10 2 0,5
11 3 0
Total ∑nᵢ = 30 2 3 4 5 6 7 8 9 10 11
B) Caractère quantitatif continu:
Il peut être représenté par deux types de graphiques:
 L’histogramme qui représente les effectifs ou les fréquences;

 La courbe cumulative qui représente les effectifs ou les fréquences cumulés.
1) L’histogramme:
L’histogramme est la juxtaposition des rectangles dont la base est égale à l’amplitude des
classes et dont la hauteur est égale aux effectifs nᵢ ou aux fréquences fᵢ.
Deux cas sont à distinguer
Si les classes sont de mêmes

amplitudes, il suffit de tracer pour Si les classes ont des amplitudes
chaque classe un rectangle dont la différentes ou inégales, la hauteur de
base est égale à son amplitude « aᵢ » et chaque classe est égale à l’effectif
dont la hauteur est égale à l’effectif « nᵢ » ou fréquence « fᵢ » corrigés
« nᵢ » ou fréquence « fᵢ » observés.

1 – 1) Caractère quantitatif continu de mêmes amplitudes:
8
Histogramme
« Xᵢ » « nᵢ »
7
10 000 – 20 000 7 6
20 000 – 30 000
Les véhicules
3 5
30 000 – 40 000 4
4
40 000 – 50 000 3
3
50 000 – 60 000 2
60 000 – 70 000 2 2
70 000 – 80 000 2 1
80 000 – 90 000 2 0
90 000 – 100 000 2
100 000 – 110 000 2
110 000 – 120 000 1
Total ∑nᵢ = 30 Kilométrages parcourus

1 – 2) Caractère quantitatif continu d’inégales amplitude:
Dans ce cas on utilise les nᵢ et fᵢ corrigés.
Pour corriger les effectifs « nᵢ » ou les fréquences « fᵢ », il faut:
 Choisir une amplitude de base ou de référence (c’est généralement la plus petite)

appelé a₀.
 Corriger les effectifs « nᵢ » ou les fréquences « fᵢ » des classes dont l’amplitude
« aᵢ » est différente de l’amplitude de base a₀. on applique la règle de trois, on
obtient la formule suivante:
nᵢ x a₀
nᵢ corrigé =
aᵢ
 Ou également on applique d’autre méthode appelée « la densité » dont sa
formule s’écrit comme suit :
nᵢ
Densité « dᵢ » =
aᵢ

Xᵢ nᵢ corrigés
ni corrigés
4
10 000 – 20 000 3,5 3,5
20 000 – 40 000 1,75 3
2,5
40 000 – 55 000 1,33
2
55 000 – 65 000 0,5
1,5
65 000 – 70 000 2
1
70 000 – 90 000 1
0,5
90 000 – 110 000 1 0
110 000 – 120 000 0,5
Total
Kilomètrages parcourus
2) La courbe cumulative:
C’est une courbe continue, régulière passant par:
 Les points ayant pour coordonnées les limites ou extrémités supérieures des classes et
les fréquences ou les effectifs cumulés croissants.
 Les points ayant pour coordonnées les fréquences et les effectifs cumulés décroissants
et les limites inférieures des classes.
Reprenons l’exemple précédent: on calcule les nᵢc↗ et nᵢc↘:

Kilométrage Les véhicules nᵢc↗ nᵢc↘
« Xᵢ » « nᵢ »
10 000 – 20 000 7 7 30
20 000 – 40 000 7 14 23
40 000 – 55 000 4 18 16
55 000 – 65 000 1 19 12
65 000 – 70 000 2 21 11
70 000 – 90 000 4 25 9
90 000 – 110 000 4 29 5
110 000 – 120 000 1 30 1
Pour l’exemple précédent: On représente la courbe cumulative pour nᵢc↗ et nᵢc↘:
35
30
25
20
15 ni.C.↗
ni.C.↘
10
0
10000 - 20000 - 40000 - 55000 - 65000 - 70000 - 90000 - 110000 -
20000 40000 55000 65000 70000 90000 110000 120000

Chapitre 4: Les caractéristiques de tendance centrale:
Introduction:
Les représentations graphiques déjà présentées permettent certes de faire une première synthèse des
informations contenues dans les tableaux et donnent l’aspect général du phénomène étudié mais
restent quand même insuffisantes et peu pratiques lorsqu’on cherche à effectuer des comparaisons
entre plusieurs séries statistiques. Pour combler cette lacune, les statisticiens ont eu l’idée de résumer
une série statistique par des paramètres numériques ou des nombres appelés « caractéristiques d’une
série statistique ». Ces caractéristiques sont classées en trois grandes catégories:
 Les caractéristiques dites de position ou caractéristiques de tendance centrale;

 Les caractéristiques de dispersion;
 Les caractéristiques de forme et de concentration.
On impose à ces caractéristiques certaines conditions (conditions de YULE) :
 La caractéristique doit être définie objectivement (indépendamment du statisticien), ce

qui exclut les estimations graphiques et conduit à des définitions algébriques ;
 Elle doit dépendre de toutes les observations ;

 Elle doit être simple à calculer ;
 Elle doit avoir une expression analytique qui permette son utilisation dans les calculs
algébriques ultérieurs ;
 Elle doit posséder une certaine signification concrète ;
 Elle doit être sensible aux fluctuations des observations mais elle doit être peu sensible
aux fluctuations d’échantillonnage.
L’objet de ce chapitre est de traiter les caractéristiques de tendance centrale. Ces dernières
sont des grandeurs qui indiquent les valeurs centrales d’une série statistique.
Parmi les caractéristiques de tendance centrale les plus utilisées on retient:
 Les moyennes;
 La médiane;
 Le mode.

I) Les moyennes:
A) La moyenne arithmétique
1) Définition :
La moyenne arithmétique d’une série (nᵢ.xᵢ) est égale à la somme des modalités
(xᵢ) par leurs effectifs relatifs (nᵢ) et par rapport au nombre total d’observations
(N). Notation mathématique: X
2) Formule:
2 – 1) Variable discrète:
a) Série simple: (nᵢ = 1)
Soit Xᵢ une variable statistique (avec i = 1, 2, 3, ….p), donc la formule de X:

x₁ + x₂ + x₃ + …. + xp ∑ xᵢ
X= X=
d’où
n₁ + n₂ + n₃ + …. + np ∑ nᵢ
b) Série pondérée: (nᵢ = 1 ou nᵢ > 1):
Soit Xᵢ une variable statistique (avec i = 1, 2, 3, …, p), et nᵢ nombre de fois qui se répète
chaque modalité xᵢ, donc la formule de X:
(n₁ x x₁ ) + (n₂ x x₂) + (n₃ x x₃) + …….+ (np x xp)

X=
n₁ + n₂ + n₃ + ………+ np
∑nᵢ x xᵢ
X= Ou également: X = ∑fᵢ x xᵢ
∑nᵢ
2 – 2) Variable continue:
À la place de Xᵢ, on calcule le centre « cᵢ »de classe de chaque modalité
La formule de centre de classe « cᵢ »:
Borne inférieure + Borne supérieure

Centre de classe « cᵢ » =
2
Dans ce cas la moyenne arithmétique est donnée par la formule suivante:
∑ nᵢ x cᵢ
X= X = ∑fᵢ x cᵢ
∑nᵢ Ou
3) Exemples d’application:
Exemple 1:
Notes des stagiaires « Xᵢ » Nombre de stagiaires « nᵢ »
10 5
12 12
13 6
14 9
16 4
18 6
Total ∑nᵢ = 42
Travail à faire: Calculer la note moyenne par stagiaire

Exemple 2:
Ages des salariés « Xᵢ » Salariés « nᵢ »

20 – 30 10
30 – 40 5
40 – 45 20
45 – 55 5
55 – 60 6
60 – 65 2
Total ∑nᵢ = 48
Travail demandé:
1) Calculer l'âge moyen par salarié

B) Les autres moyennes:
B – 1) La moyenne géométrique ou logarithmique (G) :

Elle représente la moyenne des logarithmes de chaque modalité.
Pour une série simple ; (sans effectif )
1 1 1
Log G = Log x₁ + Log x₂ + …. + Log xp
∑nᵢ ∑nᵢ ∑nᵢ
1
Log G = ∑ Log xᵢ
∑nᵢ
Pour une série distributive de fréquence :

1 1 1
Log G = (n₁ . Log x₁) + (n₂ .Log x₂) + … + (np . Log xp)
∑nᵢ ∑nᵢ ∑nᵢ
1
Log G = ∑ (nᵢ . Log xᵢ)
∑nᵢ
B – 2) Moyenne harmonique (H):
Pour une série simple:

1 1 1 1 1 1
= ( + + + …. + )
H ∑nᵢ x₁ x₂ x₃ xp
1 1 1
= ∑( )
H ∑nᵢ xᵢ
Pour une série pondérée (distributive):
1 1 1 1 1 1
= (n₁. + n₂. + n₃. + …. + np. )
H ∑nᵢ x₁ x₂ x₃ xp
1 1 1
= ∑nᵢ. ( )
H ∑nᵢ xᵢ

B – 3) La moyenne quadratique (Xq) :
Pour une série simple:

1
Xq = √ [(x₁²) + (x₂²) + (x₃²) + …. + (xp²)]
∑nᵢ
1
Xq = √[ ∑(xᵢ²)]
∑nᵢ
Pour une série pondérée (distributive):
1
Xq = √ [n₁. (x₁²) + n₂.(x₂²) + n₃(x₃²) + …. + n p.(xp²)]
∑nᵢ
1
Xq = √ [ ∑nᵢ.(xᵢ²)]
∑nᵢ
On constate que:
H ˂ G ˂ X ˂ Xq
II ) La médiane notée « Me »:
1) Définition:
La médiane est la valeur de la variable qui partage la population « ∑nᵢ »

en deux parties égales, en dessous de laquelle il y’a 50% des observations
et au dessus de laquelle il y’a 50% des observations
2) Détermination de la médiane
Le calcul de Me dépend de la variable étudiée:
2 – 1) Cas d’une variable discrète
a) Le nombre des observations de la variable est impair, c’est –à-dire que le nombre
d’observation est ∑nᵢ = 2k + 1, Dans ce cas la médiane correspond à l’observation
de rang (K + 1).
Exemple: Un candidat à un examen, a obtenu les notes suivantes:
15; 10; 9; 6; 11; 12; 5; 16; 7.

Rangeons par ordre croissant les différentes notes:
5; 6; 7; 9; 10 ; 11; 12; 15; 16.
On détermine le rand de (k + 1)
On a: N = 2k + 1 = 9 k=4 k+1=5
Donc la médiane correspond à l’observation de rang 5 c’est-à- dire Me = 10
Signification:
4 notes sont inférieures à 10 et 4 notes sont supérieures à 10
b) Le nombre des observations de la variable est pair, c’est-à- dire que le nombre
d’observations ∑nᵢ = 2k.
Dans ce cas la médiane correspond à la demi somme des observations de rand (k) et
(k + 1)
Observation de rang (k ) + observation de (k + 1)

Médiane =
2

Dans notre exemple précédent éliminons une note, par exemple 5, on a:
6; 7; 9; 10 ; 11 ;12; 15; 16.
(10 + 11)
Me = Me = 10, 5
2
2 – 2) Cas d’une variable continue:
a) Détermination graphique de la médiane:
Exemple: le tableau suivant donne la répartition du personnel d’une entreprise selon leur salaire
mensuel en DHS:
Salaires mensuels en DHS Salariés nᵢ c ↗ nᵢ c↘
1 500 – 2 000 26 26 60
2 000 – 2 500 12 38 34
2 500 – 3 000 11 49 22
3 000 – 3 500 6 55 11
3 500 – 10 000 5 60 5
Total ∑nᵢ = 60
La courbe cumulative:
70
60
50
40
nᵢ c↗
30 nᵢ c↘
20
10
0
1500 - 2 000 2 000 - 2 500 2 500 - 3 000 3 000 - 3 500 3 500 - 10 000
Me

b) Détermination algébrique de la médiane:
Le calcul de la Me s’effectue en 3 étapes:
 Première étape: Détermination du rang de la Me:
Rang de la Me: ∑nᵢ = 60 = 30 ∑fᵢ = 0,5

2 2 2
La Me correspond au salaire du 30ème individu.
 2ème étape: Détermination de la classe Me:
En consultant la colonne des effectifs cumulés croissants, on voit que la Me appartient à la

classe [ 2 000 – 2 500 [ et selon le schéma suivant:
26 30 38
2 000 Me 2 500

Me – 2 000 30 – 26 4
= Me = 2 000 + x (500) = 2 166,67 DHS
2 500 – 2 000 38 – 26 12
Ce qui donne la formule suivante:
∑nᵢ
- Cumul de n₍ᵢ ̱ ₁ ₎
2
Me = L₁ + x (L₂ - L₁ )
Cumul de nᵢ - Cumul de n₍ᵢ ̱ ₁ ₎
Avec:
 L₁: La limite inférieure de la classe où se trouve la Médiane
 L₂: La limite supérieure de la classe où se trouve la Médiane;
 (L₂ - L₁): Amplitude de la classe Médiane;
 ∑nᵢ/2: Le rang de la médiane;
 Cumul de n₍ᵢ ̱ ₁ ₎: Cumul des effectifs qui précèdent l’effectif de la classe médiane;
 Cumul de nᵢ : Cumul d’ effectifs qui correspond à la classe médiane.
Si on utilise la fréquence « fᵢ », la formule de la médiane s’écrit de la manière
suivante:
∑fᵢ
- Cumul de f₍ᵢ ̱ ₁ ₎
2
Me = L₁ + x (L₂ - L₁ )
Cumul de fᵢ - Cumul de f₍ᵢ ̱ ₁ ₎
Avec:
 L₁: La limite inférieure de la classe où se trouve la Médiane
 L₂: La limite supérieure de la classe où se trouve la Médiane;
 (L₂ - L₁): Amplitude de la classe Médiane;
 ∑fᵢ/2: Le rang de la médiane;
 Cumul de f₍ᵢ ̱ ₁ ₎: Cumul des fréquences qui précèdent la fréquence de la classe
médiane;
 Cumul de fᵢ : Cumul de la fréquence qui correspond à la classe médiane.

Signification:
D’après l’exemple précédent, on peut dire que:

50% des salariés touchent un salaire mensuel inférieur à 2 166,67 DHS par mois
50% des salariés touchent un salaire mensuel supérieur à 2 166,67 DHS par mois
Exemples d’application:
Exercice 1: Notes des stagiaires Nombre de stagiaires

« Xᵢ » « nᵢ »
Travail à faire: 10 5
12 12
Calculer la note Médiane et
commenter le résultat obtenu. 13 6
14 9
16 4
18 6
Total ∑nᵢ = 42
Exercice 2:
Ages des salariés « Xᵢ » Salariés « nᵢ »

20 – 30 10
30 – 40 5
40 – 45 20
45 – 55 5
55 – 60 6
60 – 65 2
Total ∑nᵢ = 48
Travail demandé:
1) Calculer le salaire médian et interpréter le résultat obtenu

III) Le mode ou la dominante:
1) Définition du mode:
Le mode ou la dominante est la valeur de la variable qui correspond au

plus grand effectif « nᵢ » ou plus grande fréquence « fᵢ ».
2) Détermination du mode;
Le calcul du mode dépend de la nature d’une variable étudiée, discrète ou continue.
2 – 1) Cas d’une variable discrète:
Dans une variable discrète la détermination du mode est simple, car la modalité ou les
modalités qui correspond ou correspondent au plus grand effectif ou la plus grande
fréquence est la valeur modale.

Exemple 1:
Notes « Xᵢ » Effectifs « nᵢ »
10 6
Mode 12 10
14 4
15 8
18 2
Total ∑nᵢ = 30
Dans cet exemple nous avons un seul mode, donc il s’agit d’une série uni -modale

Exemple 2:
Puissance fiscale Véhicules

« Xᵢ » « nᵢ »
5 12
6 5
Mode 1 7 15
8 3
9 2
Mode 2 10 15
Total ∑nᵢ = 52
Dans cet exemple, nous avons deux modes, donc il s’agit d’une série bimodale
On peut trouver plus que de deux modes, donc on parle d’une série multimodale.

2 – 2) Cas d’une variable continue:
2 – 2 – 1) Cas de mêmes amplitudes
a) Détermination graphique du mode:
Exemple:
le tableau suivant donne la répartition du personnel d’une entreprise selon leur salaire
mensuel en DHS:
Salaires mensuels en DHS Salariés

1 500 – 2 000 26
2 000 – 2 500 12
2 500 – 3 000 11
3 000 – 3 500 6
3 500 – 4 000 5
Total ∑nᵢ = 60

On trace l’histogramme des effectifs on obtient la courbe suivante:
30
25
20
Salariés
15
10
0
1000 - 1500 1500 - 2000 2000 - 2500 2500 - 3000 3000 -3500 3500 - 4000
Salaires mensuels
Mode
b) Détermination algébrique du Mode:
On interprète linéairement le graphique pour préciser la formule qui donne une valeur
exacte du mode.
Dans notre exemple, nous avons nᵢ = 26 est l’effectif le plus élevé, donc le mode se trouve
dans l’intervalle [1500 – 2000 [, donc on passe par l’interpolation linéaire du graphique:
30
25
20
d₂
Salariés
15
d₁
10
5 X
0
1000 - 1500 1500 - 2000 2000 - 2500 2500 - 3000 3000 - 3500 3500 - 4000
Salaires mensuels

D’après l’interprétation linéaire du graphique, on obtient la formule suivante:
d₁
Mode = L₁ + x (L₂ - L₁)
d₁ + d₂
Avec:
 L₁: La limite inférieure de la classe modale;
 L₂: La limite supérieure de la classe modale;
 (L₂ - L₁): Amplitude de la classe modale;
 d₁: La différence entre l’effectif de la classe modale et celui qui précède;
 d₂: La différence entre l’effectif de la classe modale et celui qui suit.

2 – 2 – 2) Cas d’inégales amplitudes:
Si la série classée présente des classes d’amplitudes inégales, il faut corriger les
effectifs ou les fréquences pour déterminer le mode graphiquement et
algébriquement .
La formule du mode dans le cas où les amplitudes sont inégales:
d`₁
Mode = L₁ + x (L₂ - L₁)
d`₁ + d`₂
Avec:
 L₁: La limite inférieure de la classe modale;

 L₂: La limite supérieure de la classe modale;
 (L₂ - L₁): Amplitude de la classe modale;
 d`₁: La différence entre l’effectif corrigé le plus élevé et l’effectif corrigé qui le précède;
 d`₂: La différence entre l’effectif corrigé le plus élevé et l’effectif corrigé qui le suit.

Chapitre 5: Les caractéristiques de dispersion
Introduction:
Les caractéristiques de tendance centrale ne sont pas toujours suffisantes pour caractériser
une série statistique car deux séries statistiques, peuvent avoir le même mode, la même
médiane, la même moyenne et, cependant, être distribuées différemment comme le
montre l’exemple suivant:
Exemple:
Soient de séries A et B représentant les nombres mensuels de pièces jugées défectueuses
par un contrôleur de pièces mécaniques pendant 7 mois:
Série A: 78 – 79 – 80 – 80 – 80 – 81 – 82;
Série B: 30 – 35 – 80 – 80 – 80 – 125 – 130.
On calcule les paramètres centraux pour les deux séries statistiques:
Paramètres Série A Série B

Moyenne des pièces défectueuses par mois 80 80
Le nombre médian des pièces défectueuses 80 80
Le nombre modal des pièces défectueuses 80 80
On constate que ces deux séries statistiques ont même moyenne = 80; même médiane = 80
et même mode = 80. cependant elles ne sont pas comparables; elles sont donc différentes
par la dispersion de leurs valeurs.
Dans la série A, les valeurs sont resserrées ou concentrées autour de la valeur centrale: 80;
tandis que dans la série B les valeurs sont plus étalées, plus dispersées par rapport à cette
valeur centrale typique.
Ainsi pour donner une représentation plus suffisante du phénomène étudié, il est
important de mesurer la dispersion entre les différentes valeurs prises par une variable
statistique et leur valeur centrale.
Parmi les paramètres de dispersion les plus utilisés on cite: l’étendue; l’écart interquartile;
la variance; l’écart type; l’écart absolu moyen;…
I) L’étendue ou Range:
1) Définition:
L’étendue d’une série statistique notée « E » est la différence entre la plus grande
valeur et la plus petite valeur
Etendue = Valeur maximale – valeur minimale

Exemple 1: Exemple 2:
Notes des stagiaires Nombre de Ages des salariés Salariés

« Xᵢ » stagiaires « Xᵢ » « nᵢ »
« nᵢ »
20 – 30 10
10 5
30 – 40 5
12 12
40 – 45 20
13 6
45 – 55 5
14 9
55 – 60 6
16 4
60 – 65 2
18 6
Total ∑nᵢ = 42 Total ∑nᵢ = 48
Travail demandé:
1) Calculer l’étendue pour les deux séries statistiques

II) l’écart interquartile ou intervalle interquartile:
1) Définition:
L’écart interquartile ou intervalle interquartile est un indicateur de dispersion

qui mesure la dispersion moyenne de 50% des observations centrales
2) La formule de l’intervalle interquartile:
L’intervalle interquartile est calculé de la manière suivante:

Écart interquartile = Le troisième quartile (Q₃) – Le premier quartile (Q₁)
∑nᵢ
∑nᵢ/4 ∑nᵢ/2 ∑nᵢ x 3/4
Q₁ Q₂ Q₃
Écart interquartile
D’après les résultats précédents, on constate qu’il faut calculer d’abord les quartiles avant de
déterminer la valeur de l’écart interquartile.
3) Les quartiles:
Les quartiles sont des valeurs d’une variable statistique qui partagent la
population « ∑nᵢ » en quatre parts égales. Nous avons trois quartiles: « Q₁ »;
« Q₂ » et « Q₃ ».
3 – 1) Le premier quartile « Q₁ »:
3 – 1 – 1) Définition du premier quartile « Q₁ »:
Le premier quartile est la valeur de la variable en dessous de laquelle il y’a 25%

des observations et au dessus de laquelle il y’a 75% des observations
25% ∑nᵢ /4 75%
Q₁
3 – 1 – 2) Calcul du « Q₁ »
a) Cas d’une variable discrète:
Exemple 1:
Notes des stagiaires Nombre de
« Xᵢ » stagiaires nᵢc↗
« nᵢ »
10 5 5
Q₁ 12 12 17
13 6 23
14 9 32
16 4 36
18 6 42
Total ∑nᵢ = 42
Le rang du « Q₁ » est ∑nᵢ / 4 = 42/4 = 10,5

On consulte les nᵢc↗, on trouve que Q₁ = 12

b) Cas d’une variable continue:
Exemple:
Ages des salariés Salariés nᵢc↗

« Xᵢ » « nᵢ »
20 – 30 10 10
Q₁ 30 – 40 5 15
40 – 45 20 35
45 – 55 5 40
55 – 60 6 46
60 – 65 2 48
Total ∑nᵢ = 48
Le rang du Q₁ est ∑nᵢ/4 = 48/4= 12

Donc on consulte les nᵢc↗; Q₁ se trouve dans l’intervalle [30 - 40[, alors il faut
passer par la méthode algébrique pour préciser la valeur exacte du Q₁

Donc la formule du Q₁ est la suivante:
∑nᵢ
- Cumul de n₍ᵢ ̱ ₁ ₎
4
Q₁ = L₁ + x (L₂ - L₁ )
Avec:
 L₁: La limite inférieure de la classe où se trouve le Q₁
 L₂: La limite supérieure de la classe où se trouve le Q₁;
 (L₂ - L₁): Amplitude de la classe où se trouve le Q₁;
 ∑nᵢ/4: Le rang du Q₁;
 Cumul de n₍ᵢ ̱ ₁ ₎: Cumul des effectifs qui précèdent l’effectif de la classe qui contient
Q₁;
 Cumul de nᵢ : Cumul d’ effectifs qui correspond à la classe qui contient Q₁.

Donc d’après l’application numérique, la valeur du Q₁ est obtenue de la manière suivante:
12 – 10
Q₁ = 30 + x (40 – 30) = 34 ans
15 – 10
Signification du Q₁:
Nous avons:
 25% des salariés qui sont âgés moins de 34 ans
 75% des salariés qui sont âgés plus que 34 ans
3 – 2) Le deuxième quartile « Q₂ »
Le Q₂ = Médiane; même principe que la médiane.
3 – 3) Le troisième quartile « Q₃ »:
3 – 3 – 1) Définition:
Le troisième quartile (Q₃) est la valeur de la variable en dessous de laquelle il y’a

75% des observations et au dessus de laquelle il y’a 25% des observations

75% 25%
∑nᵢ / 4 ∑nᵢ / 2 ∑nᵢ x 3/4
Q₁ Q₂ Q₃
3 – 3 – 2) Détermination:
a) Cas d’une variable discrète:
Exemple 1:
Notes des stagiaires Nombre de
le rang du « Q₃ » est ∑nᵢ 3 / 4 ; « Xᵢ » stagiaires nᵢc↗
42 x 3/4 = 31,5. « nᵢ »
On consulte les nᵢc↗,
10 5 5
on trouve que Q₃ = 14
12 12 17
13 6 23
Q₃ 14 9 32
16 4 36
18 6 42
Total ∑nᵢ = 42
b) Cas d’une variable continue:
Exemple:
Ages des salariés Salariés nᵢc↗

« Xᵢ » « nᵢ »
20 – 30 10 10
30 – 40 5 15
40 – 45 20 35
Q₃
45 – 55 5 40
55 – 60 6 46
60 – 65 2 48
Total ∑nᵢ = 48
Le rang du Q₃ est ∑nᵢ x 3/4 = 48 x 3/4= 36

Donc on consulte les nᵢc↗; Q₃ se trouve dans l’intervalle [45 - 55[, alors il faut
passer par la méthode algébrique pour préciser la valeur exacte du Q₃

Donc la formule du Q₃ est la suivante:
3
( x ∑nᵢ) - Cumul de n₍ᵢ ̱ ₁ ₎
4
Q₃ = L₁ + x (L₂ - L₁ )
Avec:
 L₁: La limite inférieure de la classe où se trouve le Q₃;
 L₂: La limite supérieure de la classe où se trouve le Q₃;
 (L₂ - L₁): Amplitude de la classe où se trouve le Q₃;
 ∑nᵢ x 3/4: Le rang du Q₃;
 Cumul de n₍ᵢ ̱ ₁ ₎: Cumul des effectifs qui précèdent l’effectif de la classe qui contient
Q₃;
 Cumul de nᵢ : Cumul d’ effectifs qui correspond à la classe qui contient Q₃.

Donc d’après l’application numérique, la valeur du Q₃ est obtenue de la manière suivante:
36 – 35
Q₃ = 45 + x (55 – 45) = 47 ans
40 – 35
Signification de Q₃ :
Nous avons :
 75% des salariés qui sont âgés moins de 47 ans
 25% des salariés qui sont âgés plus que 47ans
Rappel:
Écart interquartile = Q₃ – Q₁

III) Les paramètres de dispersion qui se dispersent par rapport à la
moyenne « X »
A) La variance et l’écart-type:
A – 1) La variance notée « V(x) » ou « σᵪ² »
a) Définition:
La variance d’une variable statistique est la moyenne arithmétique des carrés

des écarts entre les valeurs observées « xᵢ » et leur valeur moyenne « x »
b) Formule de la variance « σ(x²) »:
b – 1) Série simple:
(x₁ – x)² + (x₂ – x)² + (x₃ – x)² + …… + (xp – x)²

σᵪ² =
n₁ + n₂ + n₃ + …. + np

La formule simplifiée de la variance:
∑ ( xᵢ – x)² ∑xᵢ²
σᵪ² = σᵪ² = - x² σᵪ² = ∑fᵢ ( xᵢ – x)²
∑nᵢ Ou ∑nᵢ
b – 2) Série pondérée:
(x₁ – x)² x n₁ + (x₂ – x)² x n₂ + (x₃ – x)² x n₃ + …… + (xp – x)² x np

σᵪ² =
n₁ + n₂ + n₃ + …. + np
La formule simplifiée de la variance:
∑ ( xᵢ – x)² x nᵢ ∑xᵢ² x nᵢ
σᵪ² = Ou σᵪ² = - x²
∑nᵢ ∑nᵢ

Si on utilise la fréquence la formule s’écrit comme suit:
σᵪ² = ∑fᵢ x ( xᵢ – x)² σᵪ² = ∑xᵢ² x fᵢ - x²
b – 3) Cas d’une variable continue
(c₁ – x)² x n₁ + (c₂ – x)² x n₂ + (c₃ – x)² x n₃ + …… + (cp – x)² x np

σᵪ² =
n₁ + n₂ + n₃ + …. + np
∑ ( cᵢ – x)² x nᵢ ∑cᵢ² x nᵢ
σᵪ² = σᵪ² = - x² σᵪ² = ∑cᵢ² x fᵢ - x²
∑nᵢ ∑nᵢ
Avec cᵢ = Centre de classe

A – 2 ) L’écart – type, notée « σᵪ »
a) Définition du l’écart-type:
L’écart-type est un indicateur de dispersion qui mesure la variation

moyenne entre les valeurs observées « xᵢ » et leur valeur centrale « x »
b) Formule de l’écart type:
L’écart-type est égale la racine carrée de la variance, d’où sa formule:
∑ ( xᵢ – x)² x nᵢ
σᵪ = √( )
∑nᵢ

B) Coefficient de variation noté « CV »:
a) Définition:
Le coefficient de variation est un indicateur qui renseigne sur la nature
de la dispersion entre les valeurs observées « xᵢ »par rapport à leur
valeur centrale « x »
b) La formule du coefficient de variation:
σᵪ
CV = Le CV est exprimé sans unité
X
c) Interprétation du « CV »:
Trois situations peuvent être se distinguées:
 Si le « CV » est proche de 0; il s’agit d’une faible dispersion entre les « xᵢ » et
« x »;
 Si le « CV » est proche de 0,5 ou 50%, il s’agit d’une moyenne dispersion entre
les « xᵢ » et « x »;
 Si le « CV » est proche de 1 ou 100%; il s’agit d’une forte dispersion entre les
« xᵢ » et « x ».
C) L’écart absolu moyen:
a) Définition:
Il se calcul par rapport à une origine, il s’agit de la somme des écarts

pondérés des valeurs absolus des écarts par rapport à cette origine.
L’origine choisie doit être une valeur centrale de la série.
b) Formule de l’écart absolu moyen:
b – 1) Série simple
∑ │xᵢ - x │
L’écart absolu moyen =
∑nᵢ
b – 2) Série pondérée:
∑nᵢ │xᵢ - x │
L’écart absolu moyen =
∑nᵢ
Bibliographie:
 Guide de soutien, module 05: Les Statistiques; Septembre 2012. Filière

Responsable en Exploitation Logistique.
 Statistique descriptive: Cours et exercices corrigés; E.A. HASSANI ; B. KOUHLANI;

M. BENABDESSELAM. Édité par: Dar al Massar Casablanca. Édition 2010

M05 - Les Statistiques

Transféré par

Informations du document

Description :

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

M05 - Les Statistiques

Titre original :

Transféré par

Description :

Droits d'auteur :

Formats disponibles

Formateur: Mr.

Partie 1 - Statistiques descriptives

I) Statistiques descriptives à une seule variable

Chapitre 1: Notion de base de la statistique

Chapitre 2: Présentation des tableaux Statistiques:

Formateur: Mr. EL MEKKAOUI La Statistique 2

1) Représentation d’un caractère qualitatif;

Chapitre 4: Les caractéristiques de tendance centrale

Formateur: Mr. EL MEKKAOUI La Statistique 3

II) La statistique descriptive à deux variables:

Chapitre 6: L’ajustement linéaire et la corrélation

Formateur: Mr. EL MEKKAOUI La Statistique 4

1) Analyse de la tendance générale ou le trend;

Partie II) La Statistique de probabilité

Chapitre 1 – Théories élémentaires de probabilité:

Chapitre 2 – les lois statistiques simples

Dans le langage courant, on distingue entre les termes suivants:

Statistique : au singulier Statistiques : au pluriel

A pour objet l’étude, à l’aide de

Schéma d’une analyse statistique

Définir les variables

Collecter les informations

Tableaux Graphiques Valeurs caractéristiques Autres analyses

 2ème étape: Collecter les informations.

 Les visualiser sur des graphiques;

Formateur: Mr. EL MEKKAOUI La Statistique 8

 L’étude de régression et de la corrélation;

Ces techniques permettent, entre autre, de « modéliser » le phénomène étudiée, de le

Formateur: Mr. EL MEKKAOUI La Statistique 9

Comme toutes sciences, la statistique a un vocabulaire qui lui ait spécifique.

unité ou individu Echantillon

Formateur: Mr. EL MEKKAOUI La Statistique 10

Individu : est chaque élément de la population ou l’échantillon.

Le recensement : c’est une enquête totale Le sondage : est une enquête

Caractère non mesurable non chiffré Caractère mesurable et chiffré

Discontinu ou discret Continu

Caractère qu’on ne peut Un caractère ne peut Un caractère peut

Classe : intervalle égaux ou inégaux déterminés à l’intérieur du champ de variation de la

Exemple 1 : Soit un échantillon de 30 véhicules choisis au hasard parmi 100 véhicules

Les résultats se répartissent comme suit:

Présenter les données ci-dessus dans un tableau statistique

Formateur: Mr. EL MEKKAOUI La Statistique 14

B – 1) Caractère Quantitatif discret :

Exemple 2 : Répartition des 30 véhicules suivants leur puissance fiscale :

Présenter les données ci-dessus dans un tableau statistique

Puissances fiscales Les véhicules « nᵢ »

B – 2) Caractère Quantitatif Continu:

B – 2 – 1) Caractère Quantitatif Continu de mêmes Amplitudes

Amplitude « aᵢ » = La limite Supérieure – La Limite Inférieure

Tableau: Avec aᵢ = 10 000 Km

mêmes données de l’exemple 3 précèdent: Nombre de km parcourus par les véhicules:

Kilométrage Les véhicules Amplitudes

1) Notion de la fréquence relative « fᵢ »

C’est la part ou la proportion de l’effectif d’une modalité à l’effectif total

• La formule de la fréquence relative « fᵢ »

a) Notion des effectifs et fréquences cumulés croissants:

Exemple: Soit la série statistique suivante, relative au nombre de commandes

Nombre de commandes Nombre de Fréquence nᵢ cumulés fᵢ cumulées

 Remarques: Toujours nous avons: