STATISTIQUE

DESCRIPTIVE
Dr AKA Joseph
Maître de Conférences Agrégé
Département de Santé Publique, Biostatistique et Informatique médicale
Laboratoire de Biostatistique, Méthode et Informatique médicale
UFR SMA / UFHB
1
 OBJECTIFS

•Définir les concepts de base

•Définir les différentes variables aléatoires
•Définir les caractéristiques numériques
•Estimer les caractéristiques numériques
•Positionner les CN sur une distribution
•Illustrer les différentes variables aléatoires

2
 PLAN
INTRODUCTION
I. CONCEPTS DE BASE
II. ETUDE DES VARIABLES
III. SERIES STATISTIQUES
IV. CARACTERISTIQUES NUMERIQUES
V. TABULATIONS
VI. GRAPHIQUES
CONCLUSION

3
 INTRODUCTION (1/2)
1 - Stat descriptive concerne :
• Enregistrements
• Dépouillement
• Réduction +++

2 - REDUCTION = Représentation données

(pratique, condensée, informative)
• Résumés statistiques (moyenne, proportion, variance)
• Tableaux et graphiques

4
 INTRODUCTION (2/2)
• Ce chapitre repose sur le but de la statistique :

Etude d’objets de même nature,

présentant des caractéristiques
variables, susceptibles d’être mesurées
ou classées

•Nécessité de définir des éléments de base

de la statistique = concepts de base
5
 OBJECTIFS

•Définir les concepts de base

• Définir les différentes variables aléatoires

• Définir les caractéristiques numériques
• Estimer les caractéristiques numériques
• Positionner les CN sur une distribution
• Illustrer les différentes variables aléatoires

6
 I - CONCEPTS DE BASE (1/2)
1. UNITE STATISTIQUE (US) / ELEMENT STAT
• Concrète, Abstraite
• Toujours identifiable sans ambiguïté

2. POPULATION STAT / UNIVERS STAT

• Collection d’US (au moins une caract. commune)
• Finie ou infinie

3. ECHANTILLON
• Représentation miniature de la pop. (partie pop.)
• Notion de représentativité
7
 I - CONCEPTS DE BASE (2/2)
4. CARACTERE / VARIABLE ALEATOIRE
• Trait commun à toutes les US
• Critère de description de la population

5. MODALITE
• Différentes situations possibles du caract. / US
• Incompatibles et exhaustives
• Variable mesurée ou observée sur chaque US

6. VARIABLE STATISTIQUE / PARAMETRE

• Résultat de l’essai expérimenté ou réalisé
• Modalité observée/mesurée
8
 OBJECTIFS

• Définir les concepts de base

•Définir les différentes variables aléatoires

• Définir les caractéristiques numériques
• Estimer les caractéristiques numériques
• Positionner les CN sur une distribution
• Illustrer les différentes variables aléatoires

9
 II - ETUDE DES VARIABLES (1/5)
• 02 types de VARIABLE :
− V. ALEATOIRES (VA) +++
− V. NON ALEATOIRES (VNA) !!!

• ETUDE DES VARIABLES ALEATOIRES +++

− La VARIABLE = Quantité que l’on ne peut prédire
avec certitude le résultat (avant la réalisation de
l’expérimentation). Quantité qui mesure le
changement sur une US
VARIABLE ALEATOIRE (VA)

− 02 types VA : VA qualitative et VA Quantitative

10
 II - ETUDE DES VARIABLES (2/5)

1. VARIABLE ALEATOIRE QUALITATIVE (VAq)

• Diverses modalités sont OBSERVABLES

• Modalités sont exhaustives et exclusives

• VAq DICHOTOMIQUE (Binaire)

• VAq POLYCHOTOMIQUE

• Exemples

11
 II - ETUDE DES VARIABLES (3/5)

2. VARIABLE ALEATOIRE QUANTITATIVE (VAQ)

• Diverses modalités sont MESURABLES
• S’exprime toujours avec une UNITE de MESURE
• Modalités = différentes valeurs possibles de
l’expression de la variable

On distingue :
• VAQ DISCRETE
• VAQ CONTINUE

12
 II - ETUDE DES VARIABLES (4/5)

2.1 - VAQ DISCRETE

• Ses valeurs possibles = nombres isolés
ou entiers dans son intervalle de
variation
• Quantité mesurable prend des valeurs
entières
• Exemples

13
 II - ETUDE DES VARIABLES (5/5)
2.2 - VAQ CONTINUE
• Ses valeurs possibles = en nombre infini
sur son intervalle de variation
• Quantité mesurable peut prendre toutes les
valeurs possibles
• Exemples

• Classement et notion de classe +++

• Sturges : (nombre de classes k = 1+3,3logn)
14
 III - SERIES STATISTIQUES
• Série statistique = Ensemble observations
faites sur US (Echantillon/population)
• Série statistique = Distribution statistique
• Fonction de la Variable Aléatoire (VA) étudiée
• Plusieurs types / nombre de VA étudiées :
- Série statistique simple (SSS) +++
- Série statistique double (SSD) +++
- Etc.

15
 III.1 - S S SIMPLE (1/4)
1. SERIE STAT DISCONTINUE ou DISCRETE (SSD)
• X VA à k valeurs discrètes

x 1 x ........ x ....... x
2 i k

f 1
f ..... f ..... f
2 i k

• La valeur x i du caract. peut se rencontrer f i

fois

• DEFINITIONS ++++++
16
 DEFINITIONS
f i

f
fr  i

i
n
F  f  f  ......  f
i 1 2 i

F r  f r  f r  .....  f r
i 1 2 i

 f n
i 1
i

 f r 1
i 1 i
17
 III.1 - S S SIMPLE (2/4)
2. SERIE STAT CONTINUE (SSC)
• X VA à n valeurs distinctes

x 1 x 2
........ xi ....... xn
1 2...........i.........n

• La valeur x
i du caract = valeur quantifiée du
ième individu

• NOTION DE CLASSES +++++

18
NOTION DE CLASSES

k i
 e ,e 
i 1 i


ei 1 ei
x i

2
a i
 ei - ei 1
19
 III.1 - S S SIMPLE (3/4)
2. SERIE STAT CONTINUE ET CLASSEE (SSCC)
• X VA à k classes

x 1 x ........ x ....... x
2 i k

f 1
f ..... f ..... f
2 i k

• La valeur x i du caract. peut se rencontrer f i

fois

• DEFINITIONS ++++++
20
 DEFINITIONS
f i

f
fr  i

i
n
F  f  f  ......  f
i 1 2 i

F r  f r  f r  .....  f r
i 1 2 i

 f n
i 1
i

 f r 1
i 1 i
21
 III.1 - S S SIMPLE (4/4)
3. SERIE STAT QUALITATIVE (SSq)
• X VA à k modalités

x 1 x ........ x ....... x
2 i k

f 1
f ..... f ..... f
2 i k

• x
i = la ième modalité et peut se rencontrer f i
fois

• MODALITES EXHAUSTIVES et EXCLUSIVES

• DEFINITIONS ++++++
22
DEFINITIONS

f i

f
fr  i

i
n
k

 f n
i 1
i

 f r 1
i 1 i

23
 Compréhension sur les séries statistiques

Exemple de X VA étudiée pour laquelle :

x 1 x ........ x ....... x
2 i k

f 1
f ..... f ..... f
2 i k

Définir ? xi et fi et les autres termes

Définitions possibles si l’on définit X VA

Combien de définitions de SS faites-vous ?

24
 III.2 - S S DOUBLE

• Etude d’un couple de caractères (X,Y),

mesurables ou observables

• Si X et Y sont 02 VQ et si :
• X et Y sont aléatoires Notion de corrélation
• X contrôlée et Y aléatoire Notion de
corrélation et de régression

• Si X et Y sont 02 VAq Notion de relation

• Si X VAq et Y VAQ Notion de relation

25
 OBJECTIFS

• Définir les concepts de base

• Définir les différentes variables aléatoires

•Définir les caractéristiques numériques

•Estimer les caractéristiques numériques

• Positionner les CN sur une distribution

• Illustrer les différentes variables aléatoires

26
 IV - CARACT NUMERIQUES
 de TENDANCE CENTRALE (CNTC) +++
• Le Mode
• La Médiane, les quartiles, les percentiles
• La Moyenne arithmétique et géométrique

 de DISPERSION (CND) +++

• La Variance
• Le Coefficient de variation

 d’asymétrie
 et d’aplatissement

27
IV.1 - CN DE TENDENCE CENTRALE (1/15)

1. Le Mode (Mo) :
• Valeur de la variable dont la
fréquence (absolue/relative) est la
plus élevée
• Exemples

28
 IV.1 - CNTC (2/15)
- Exemple : X = groupe sanguin

xi A B O AB
fi 10 15 70 5
- Exemple : X = nombre d’enfants/Etudiant

xi 0 1 2 3
fi 85 10 3 2
29
 Que retenir ?

Le Mode n’est pas définissable sur

une série statistique continue et
classée
Sur une SSCC, on parle plutôt de
classe modale

30
 IV.1 - CNTC (3/15)
2 - La Médiane (M)

• Valeur de la variable
dont la fréquence
Médiane (M) cumulée est égale à ½
/ p(X=M)=½
• Estimation possible si :

31
 IV.1 - CNTC (4/15)

• M = valeur du (k+1)ième
Si n impair observation de la série
ordonnée
n = 2k+1
• Exemple :
3,6,9,10,12,14,16,17,18

32
 IV.1 - CNTC (5/15)

• Intervalle Médian (IM) =

valeurs du kième et du
Si n pair (k+1)ième observations de la
n = 2k série ordonnée
• Exemple :
130,131,132,133,144,145,146,147

33
 IV.1 - CNTC (6/15)
F(x)

p(X=M)=1/2

x
M 34
 IV.1 - CNTC (7/15)

• Les Quartiles (q1, q2, q3, q4) :

• Valeurs de la variable qui partagent la
SS ordonnée en 4 groupes d’effectifs
égaux / 1 n, 2 n, 3 n, 4 n
4 4 4 4

• Les percentiles (abaques, ogives)

35
 Que retenir ?

La Médiane n’est définissable que

sur une série statistique continue

36
 IV.1 - CNTC (8/15)
3. La Moyenne arithmétique : x
x1 x ........ x ....... x
2 i k

f 1
f ...... f ....... f
2 i k

k
1
Estimateur x   fx i
n i 1 i

37
 IV.1 - CNTC (9/15)
- Exemple : X = nombre d’enfants/étudiant
xi 0 1 2 3
fi 85 10 3 2
k
- AN : 1
x  fx i
n i 1 i

x
1
(85x0)  ....  (2x3)  0,22 enfts / étud
100
38
 IV.1 - CNTC (10/15)
- Exemple : X = Age en année révolue
ki [15-20[ [20-25[ [25-30[ [30-35[ [35-40[

fi 10 15 54 13 8
1 k
- AN :
x  fx i
n i 1 i

x
1
(10x17,5)  ....  (8x37,5)  27,20 ans
100 39
 IV.1 - CNTC (11/15)
3. La Moyenne arithmétique : x
x x ........ x ....... x
1 2 i n

1 2..... ......i.... .....n

n
1
Estimateur x   xi
n i 1
40
 IV.1 - CNTC (12/15)
• Exemple : X = Taille en cm (n = 30)

166 - 175 - 185 - 176 - 156 - 165 - 163 -

180 - 176 - 178 - 170 - 160 - 169 - 185 -
154 - 149 - 171 - 173 - 168 - 182 - 164 -
177 - 156 - 159 - 160 - 172 - 180 - 180 -
165 - 186

41
 IV.1 - CNTC (13/15)
AN : 1 n
x   xi
n i 1

x  166  175  ....  165  185    cm

1
30

42
 IV.1 - CNTC (14/15)
3. La Moyenne géométrique : x g

x g
 n
x .x
1 2
... x i
... xn
n k
1 1
g   ln xi g   f i ln xi
n i 1 n i 1
x e  x
g
Estimateur g
43
 IV.1 - CNTC (15/15)
 Observations sur les estimateurs de CNTC :

• Médiane très peu influencée par les

points extrêmes
• Moyenne très influencée par les points
extrêmes

• Moy arithmétique : série stat symétrique

• Moy géométrique : série stat asymétrique

44
 Que retenir ?

Le Moyenne n’est pas définissable

sur une série statistique qualitative

Sur une SSq, on parle plutôt de

Proportion et ne sera pas abordée
dans ce chapitre

45
 IV - CARACT NUMERIQUES
• de TENDANCE CENTRALE (CNTC) ++++
• Le Mode
• La Médiane, les quartiles
• La Moyenne arithmétique et géométrique

• de DISPERSION (CND) ++++

• La Variance
• Le Coefficient de variation

46
 IV.2 - CN DE DISPERSION (1/7)
• Renseignent sur la dispersion des
données autour de la tendance centrale
(moyenne)
• Exemples de 2 étudiants A et B
• A : 10 9,5 10,5 10
• B : 02 18 17 03
• Faiblesse des CNTC (de position) ++++

• Nécessité d’adjoindre à la
moyenne sa DISPERSION
47
 IV.2 - CND (2/7)
• Dispersion = mesure de la
fluctuation des observations autour
de la moyenne
• Ecart observé entre la valeur
mesurée et la moyenne
 Ecart noté ei ou di = ( xi - x
)
Illustration par un diagramme ++++
48
 IV.2 - CND (3/7)
2
1. La Variance estimée :
S x

x x
1 2
........ xi ....... xk

f f
1 2
..... f i
..... f k

f x i  x 
k
1

2
Estimateur S x 
2

n 1 i 1 i

49
 IV.2 - CND (4/7)
2
1. La Variance estimée : S x

x1 x2 ........ xi xn
.......
1 2...........i.........n

xi  x 
n
1
S x n 1 
2

2
Estimateur
i 1
50
 IV.2 - CND (5/7)
• L’Ecart type de X : S x


2
Estimateur
Sx S x

• L’Ecart type de la moyenne : S x

S
S 
x
Estimateur x
n 51
 IV.2 - CND (6/7)

Intérêt de l’écart-type :
• Encadrement des estimations :
 Intervalle de Confiance (ICα) +++
 Intervalle de Référence (IRα)

• Tests de signification
52
 IV.2 - CND (7/7)
2. Le Coefficient de variation : CV

Estimateur CV  S x
.100
x
• Indice de dispersion relative sans unité
• Exprimé en pourcentage

• Validation modèles statistiques+++

53
 OBJECTIFS

• Définir les concepts de base

• Définir les différentes variables aléatoires
• Définir les caractéristiques numériques
• Estimer les caractéristiques numériques

•Positionner les CN sur une distribution

• Illustrer les différentes variables aléatoires

54
 IV.3 - DISTRIBUTIONS OBS ET CN
• Distributions SYMETRIQUES
- Dist symétriques Uni modale
- Dist symétriques Bimodale
- Dist symétriques Plurimodale

• Distributions ASYMETRIQUES
- Dist asymétriques Uni modale
- Dist asymétriques Bimodale
- Dist asymétriques Plurimodale

55
56
57
 OBJECTIFS

• Définir les concepts de base

• Définir les différentes variables aléatoires
• Définir les caractéristiques numériques
• Estimer les caractéristiques numériques
• Positionner les CN sur une distribution

•Illustrer les différentes variables aléatoires

58
 V - LES TABULATIONS (1/2)
•Tableaux à 1 dimension
- Description d’une VA X à k modalités!!!! +++

•Tableaux à 2 dimensions
- Description et recherche de relation entre 2 VA X et Y +++

•Tableaux à 3 dimensions
- Description et recherche de relation entre 3 VA X, Y et Z +++

•Tableaux à 4 dimensions
- Description et recherche de relation entre 4 VA X, Y, Z et T ++

•Etc.
59
 V - LES TABULATIONS (2/2)

 OBSERVATIONS :
• Fréquences absolues (effectifs) +++

• Variables et modalités +++

• X à k modalités (k ≥ 2)
• X et Y à i et j modalités (i = j = 2 ou i ≠ j ≠ 2)
• X, Y et Z à i, j et k modalités (i = j = k = 2 ou i ≠ j ≠ k ≠ 2)

• Tableaux à 3 dimensions Tableaux stratifiés

• Vérification des fréquences absolues : si Z à k=2
a’+a’’ = a , ………., d’+d’’ = d
n1 + n2 = n
60
 VI - LES GRAPHIQUES (1/8)
AB A
5% 10% B
15%

O
70%

Diagramme circulaire du groupe sanguin 61

 VI - LES GRAPHIQUES (2/8)
90
80
70
60
50
40
30
20
10
0
0 1 2 3

Diagramme en bâton du nombre d’enfants/étudiant

62
VI - LES GRAPHIQUES (3/8)

63
 VI - LES GRAPHIQUES (4/8)
60

50

40

30

20

10

0
15-20 20-25 25-30 30-35 35-40

Histogramme des âges 64

 VI - LES GRAPHIQUES (5/8)
60

50

40

30

20

10

0
15-20 20-25 25-30 30-35 35-40

Polygone de fréquences absolues des âges 65

 VI - LES GRAPHIQUES (6/8)
100
90
80
70
60
50
40
30
20
10
0
15-20 20-25 25-30 30-35 35-40

Polygone de fréquences cumulées des âges 66

 VI - LES GRAPHIQUES (7/8)
30
28
Y = production en tonne

26
24
y = 33,77- 1,314x
22
20
R² = 0,752
18
16
14
12
10
7 9 11 13 15 17 19
X = nombre de jours pluvieux pendant harmattan

Modélisation de la production
en fonction du nombre de jours pluvieux 67
 VI - LES GRAPHIQUES (8/8)

290
y = 142,7 + 1,576x
Temps de réaction en ms

270
R² = 0,865
250
230
210
190
170
150
30 40 50 60 70
Age en année révolue

Modélisation du temps de réaction en fonction de l’âge

68
 CONCLUSION (1/2)

•La vie est une variabilité permanente

intra individu, inter individu mais aussi
qualitative que quantitative rendant
ainsi complexe l’unité statistique, objet
de l’étude

69
 CONCLUSION (2/2)

•La statistique descriptive constitue ce

qu’est l’anatomie pour le chirurgien
permettant :
- la description exacte des populations d’où
proviennent les échantillons sans hypothèse
préalable
- La mise en évidence de pistes de recherche qui
pourraient aboutir à des études ponctuelles par la
formulation d’hypothèse

70
 MERCI POUR VOTRE
ATTENTION SOUTENUE

71