Chapitre 1

Statistique descriptive : cas univarié
Université Hassan Premier

Faculté des sciences et techniques Settat
ccc
P. 2 / 36 Plan
1 Vocabilaires
2 Distribution des effectifs et des fréquences
3 Distribution des effectifs cumulés et des fréquences cumulées
4 Indicateurs de position d’une variable quantitative
5 Indicateurs de dispersion d’une variable quantitative
6 Indicateurs de forme d’une variable quantitative
7 Représentation graphique
ccc Statistique descriptive : cas univarié

P. 3 / 36 Vocabilaires
Définition
On appelle statistique descriptive l’ensemble des méthodes et techniques
mathématiques permettant de présenter, décrire et résumer un ensemble
de données.
Définition
Une population statistique est l’ensemble sur lequel on effectue des
observations. Les éléments de cette ensemble sont appelées des individus.
Définition
Un échantillon est un sous ensemble de la population. Il doit être
représentatif de la poupulation :
Pour extendre les résultats obtenus sur l’échantillon à la population
L’intérêt porte sur la population et non pas su l’échantillon

P. 4 / 36 Vocabulaires
Définition
Une variable statistique (appelée aussi caractères) est ce qui est observée
ou mesurée sur les individus.
Une variable statistique peut être
Quantitative : ses valeurs sont des nombres exprimant une quantité,
sur lesquels on peut effectuer les opérations arithmétiques. Cette
variable peut être
I discrète : ses valeurs sont isolées
I continue : ses valeurs sont regroupées par classe (intervalle de R)
Qualitative : ses valeurs sont des modalités (ou catégories)
exprimées sous forme latérale ou par codage numérique.
I ordinales : on peut ordonner les modalités de cette variable
I nominales : on ne peut pas ordonner ses valeurs.

P. 5 / 36 Exemples
Exemple 1.
Sur 20 lancers d’un dé de 6 faces, on a obtenu 8 fois le 2 ; 4 fois le 3 ; 3
fois le 4 ; 4 fois le 5 et 1 fois le 1. Donner la médiane de cette série
statistique
Exemple 2.
On a effectué une enquête auprès de 20 ménages d’un quartier. Deux
types d’informations ont été recueillies : le statut matrimonial du ménage
et l’opinion du ménage sur la qualité du voisinage. On résume les
données dans les tables de fréquence suivantes :
La qualité du voisinage
le statut matrimonial
modalités effectifs
modalités effectifs
Mauvaise 1
Marié 12
Passable 5
Célibataire 3
Moyenne 6
Veuf 3
Bonne 3
Dévorcé 2
T.bonne 5

P. 6 / 36 Exemples
Exemple 3.
La série statistique suivante représente les notes obtenues par 30 élèves,
Notes Nombres d’étudiants
0 à moins de 1 2
1 à moins de 2 3
2 à moins de 3 5
3 à moins de 4 6
4 à moins de 5 4
5 à moins de 6 3
6 à moins de 7 1
7 à moins de 8 3
8 à moins de 9 2
9 à moins de 10 1

P. 7 / 36 Distribution des Effectifs
Soit X une variable statistique prenant les valeurs (ou modalités)

x1 , . . . , xn . On commence par faire l’inventaire des valeurs rencontrées la
série x1 , . . . , xn .
Effectif de xi : Nombre de fois de xi dans la série. On suppose qu’on a k
modalités distinctes.
Variable x1 x2 ... xk
Effectifs n1 n2 ... nk
Tableau de la distribution des effectifs
Les effectifs des modalités vérifient
k
X
n= ni
i=1
est ’effectif total de la série des données.

P. 8 / 36 Distribution des fréquences
Soit X une variable statistique prenant les valeurs (ou modalités)
x1 , . . . , xn . On suppose qu’il y a k modalités distinctes. Soit ni l’effectif
de la modalité xi .
Soit le tableau des effectifs
Fréquence de xi : est la rapport
ni
fi =
n
elle représente la proportion d’apparition de xi dans la série.
fréquence f1 f2 ... fk
Tableau de la distribution des fréquences
Les fréquences des modalités vérifient
k
X
1= fi
i=1

P. 9 / 36 Distribution des effectifs cumulés et des
fréquences cumulées
Soit X une variable statistique prenant les Soit X une variable statistique
prenant les valeurs (ou modalités) x1 , . . . , xn . On suppose qu’il y a k modalités
distinctes. Soit ni , fi l’effectif et la fréquence de la modalité xi .
Effectif cumulées de xi : est donné par
i
X
Ni = nj
j=1
Fréquence cumulées de xi :
i
X
Fi = fj
j=1
On peut représenter ces distributions sur un tableau

Effectifs n1 n2 ... nk
Effectifs cumulé N1 N2 ... n
fréquence f1 f2 ... fk
fréquence cumulée F1 F2 ... 1
Tableau de des distributions
P. 10 / 36 Indicateurs de position d’une variable quantitative
La moyenne cas discret
La moyenne est le résumé statistique le plus utilisé pour caractériser la

position de la variable X . on la note X̄ .
Somme des valeurs observées
Moyenne =
Effectif total
Si la variable statistique X parcourt les valeurs x1 , . . . , xn . Alors la
moyenne est
n
1X
X̄ = xi
n
i=1
Si k valeurs dans la série sont distinctes et si ni , fi désignent l’effectif et

la fréquence de xi . Alors
k k
1X X
X̄ = n i xi = fi xi
n
i=1 i=1

La moyenne, cas continu
Soit une série statistique de taille n, classée suivant la partition

[d1 , d2 [, [d2 , d3 [, . . . , [dk , dk+1 [, . . . , [dn−1 , dn [. On note respectivement
nk , fk , ck l’effectif, la fréquence et le centre de la classe [dk , dk+1 [.
La moyenne est
k k
1X X
X̄ = ni c i = fi ci
n
i=1 i=1

La médiane
La médiane est la valeur observée ou possible de la série ordonnée en

ordre croissant ou décroissant, qui partage cette série en deux sous-séries,
chacune comprenant le même nombre d’observations.
Calcul de la médiane cas discret
Soit la série statistique des valeurs x1 , x2 , . . . , xn . On ordonne par ordre
croissant ces valeurs,
x1 ≤ x2 ≤ . . . ≤ xn
et on calcule la médiane par la formule

xn+1/2 si n est impair
Me = xn/2 +xn/2+1
2 si n est pair
NB : Si la variable est discrète et n pair, il se peut qu’il n’y ait pas de

valeur médiane car Me doit correspondre à une valeur possible de la série.
Exemple

La médiane
Calcul de la médiane cas continu

nk , Nk et ak l’effectif, l’effectif cumulé et l’amplitude de la classe
[dk , dk+1 [
Repérer la classe la première classe contenant au moins 50% des
effectifs cumulés. Supposons que c’est [dj , dj+1 [
Calculer la médiane par la méthode
n/2 − Nj−1
Me = dj + aj
nj

La médiane
Approximation de la médiane Me à partir de la table des effectifs

cumulées par interpolation linéaire.

La médiane
Limites
La médiane est plus robuste que la moyenne (pas influencée par les
valeurs extrêmes) mais elle est influencée par le nombre d’observations.
Remarque La médiane correspond à la valeur telle que la fréquence
cumulée est égale à 1/2

les quantiles
Les quantiles correspondent à des valeurs de la variable statistique qui

partagent la série ordonnée en l parties égales. Si l = 4, les quantiles sont
appelés quartiles. Il y a 3 quartiles, appelés Q1 , Q2 et Q3 :

les quartiles
Calcul des quartiles, cas discret Soit la série statistique x1 , x2 , . . . , xn de taille
n
Ordonner la série statistique par ordre croissant
x1 ≤ x2 ≤ . . . ≤ xn
faire la division euclidienne de n par 4. On calcul Q1 , Q2 Q3 selon les 4
cas :
Cas n = 4p :
xp + xp+1 x2p + x2p+1 x3p + x3p+1
Q1 = Q2 = Me = Q3 =
2 2 2
Cas n = 4p + 1 :
xp + xp+1 x3p+1 + x3p+2
Q1 = Q2 = Me = x2p+1 Q3 =
2 2
Cas n = 4p + 2 :
x2p+1 + x2p+2
Q1 = xp+1 Q2 = Me = Q3 = x3p+2
2
Cas n = 4p + 2 :
Q1 = xp+1 Q2 = Me = x2p+2 Q3 = x3p+3
les quartiles
Calcul des quartiles, cas continu
nk , Nk et ak l’effectif, l’effectif cumulé et l’amplitude de la classe
[dk , dk+1 [
Calcul Q1
Repérer la première classe contenant au moins 25% des effectifs
cumulés. Supposons que c’est [dj , dj+1 [
Calculer Q1
n/4 − Nj−1
Q1 = dj + aj
nj
Calcul Q3
Repérer la première classe contenant au moins 75% des effectifs
cumulés. Supposons que c’est [dj , dj+1 [
Calculer Q3
3n/4 − Nj−1
Q3 = dj + aj
nj
le mode
c’est la valeur de la série statistique observée le plus grand nombre de

fois.
NB : Dans le cas d’une variable continue en classes, ce critère est peu
objectif. On parlera plutôt de classe modale : classe ayant la fréquence la
plus élevée.
Le mode n’est pas unique.

P. 20 / 36 Indicateurs de dispersion d’une variable quantitative
Les indicateurs de dispersions sont

Etendue
intervalle interquartiles
Variance et Ecart type

Etendue, Intervalle interquartile
Etendue =xmax − xmin

Intervalle interquartile est IQ = Q3 − Q1

P. 22 / 36
Exemples

variance,Ecart type
La variance est la somme pondérée des carrés des écarts des valeurs de la
série à la moyenne. Soit la série statistique des valeurs x1 , x2 , . . . , xn . La
variance de la série est
n
1X
sx2 = (xi − x̄)2
n
i=1
L’écart type est p

sx = sx2
Pour une variable continue, on remplace, dans la formule ci dessus, xi par
ci le centre de la i ème classe.

variance,Ecart type
Lorsque la série est un échantillon issu d’une population et que l’on

s’intéresse aux caractéristiques de cette population via l’échantillon, on
utilise plutôt,
n
1 X
s̄x2 = (xi − x̄)2
n−1
i=1
appelée la variance d’échantillonnage. Qui est un meilleur estimateur de

la variance théorique de la population. Lorsque la taille n de la série est
assez grande,
s̄x2 ' sx2

Propriétés de la variance
La variance (ou écart-type) est toujours positive ou nulle
sx2 ≥ 0 sx ≥ 0
La variance est une forme quadratique

2
sax+b = |a|2 sx2 sax+b = |a|sx
Theorème de Koeing
n−1 2
sx2 = s̄
n x
Un écart-type est faible entraı̂ne Une série peu dispersée (les valeurs
de la série sont regroupées autour de la valeur moyenne)

Calcul partique de la variance
Par définition
A partir de la table des fréquences (des effectifs).
I Cas discret, si k valeurs sont distinctes, ni (resp fi ) désigne l’effectif
(resp la fréquence) de la valeurs xi
k k
1X X
sx2 = ni (xi − x̄)2 (resp sx2 = fi (xi − x̄)2 )
n i=1 i=1
I Cas continu, si on a k classes [di , di+1 [ de centre, d’effectif et de

fréquence resp ci , ni , fi
k k
1X X
sx2 = ni (ci − x̄)2 (resp sx2 = fi (xi − x̄)2 )
n i=1 i=1

Coefficient de variation
Le coefficient de variation (CV) est le rapport de l’écart-type à la

moyenne.
sx
CV =
x̄
Il permet d’apprécier la représentativité de la moyenne par rapport à

l’ensemble des observations.
Il donne une bonne idée du degré d’homogénéité d’une série.
Plus CV est grande, plus la dispersion autour de la moyenne est
grande.

P. 27 / 36 Indicateurs de forme d’une variable quantitative
Symétire
Une série a une distribution symétrique si ses valeurs sont également

dispersées de part et d’autre de la valeur centrale, c’est-âton en
fréquences - admet une axe de symétrie.
Dans une distribution symétrique, la médiane = la moyenne :
Me = x̄

Coefficient de Pearson et coefficient de Yule
XCoefficient de Pearson XCoefficient de Yule

x̄ − Me Q3 + Q1 − 2Me
δ= q=
sx Q3 − Q1
On a −1 ≤ δ ≤ 1
δ = 0 ⇒ symétrie parfaite q = 0 ⇒ symétrie parfaite
δ < 0 ⇒ série étalée à gauche q < 0 ⇒ série étalée à gauche
δ > 0 ⇒ série étalée à droite q > 0 ⇒ série étalée à droite

Applatissement
Une distribution est plus ou moins aplatie selon que les fréquences des
valeurs voisines des valeurs centrales diffèrent peu ou beaucoup les une
par rapport aux autres.
Coefficient de Fisher :
n
1 X
a= (xi − x̄)4
sx4 n
i=1
Si a = 3, alors la distribution est approchée par une loi normale

Si a < 3, alors la concentration autour de la moyenne est forte, la
distribution n’est pas applatie
Si a > 3, alors la concentration autour de la moyenne est faible, la
distribution est applatie

P. 30 / 36 Représentation graphique
Introduction
L a représentation graphique est une synthèse de l’information qui

fait apparaitre la forme globale de la distribution des données.
Le choix du type de graphe dépend de la nature des variables.
Un graphique comprend trois parties :
Titre
Deux axes : les modalités de la variable sur l’axe (x) et les éffectifs
(ni ) ou les fréquence (%) sur l’axe des (y)
Echelle

Cas d’une variable quantitative continue
L’histogramme consiste à représenter les effectifs (ou les fréquences) des

classes par des rectangles adjacents dont les surfaces correspondent aux
effectifs. La hauteur hj du rectangle correspondant à la classe j est
donnée par
nj
hj =
aj
où nj et aj sont l’effectif et l’amplitude de la classe j.

Cas d’une variable quantitative continue
L’histogramme consiste à représenter les effectifs (ou les fréquences) des

classes par des rectangles adjacents dont les surfaces correspondent aux
effectifs. La hauteur hj du rectangle correspondant à la classe j est
donnée par
nj
hj =
aj
où nj et aj sont l’effectif et l’amplitude de la classe j. Exemple :
Distribution des effectifs et des fréquences de la taille de 36 plantes.

L’histogramme des fréquence de la taille des plantes

Cas d’une variable quantitative discrète
Si les variables sont quantitative discrètes, la distribution des effectifs (ou

des fréquences) est souvent représentée par un diagramme en bâton.
Exemple

Cas d’une variable qualitative nominale
Une série statistique d’une variable qualitative nominale peut être

représentée par 2 types de graphique : les effectifs sont représentés par un
diagramme en barre et les fréquences par un diagramme en secteur
(camembert ou cercle)
Le principe consiste à déviser un cercle en secteurs proportionnels aux

fréquences des classes.
Exemple : Répartition de 25 sujets en fonction de la couleur des cheveux.

La représentation par un diagramme en secteur

P. 36 / 36 Boxplot
Pays US Ja Al Fr It Esp Por RU
2004 4,3 4,4 2 2,6 1,4 2,6 1,4 3,4
2005 3,5 2,3 1,8 2,3 1,9 2,9 2,2 2,5
4.5
4.0
3.5
3.0
2.5
2.0
1.5
1 2

Chapitre 1

Transféré par

Informations du document

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 ?

Droits d'auteur :

Formats disponibles

Chapitre 1

Transféré par

Droits d'auteur :

Formats disponibles

Statistique descriptive : cas univarié

Université Hassan Premier

2 Distribution des effectifs et des fréquences

3 Distribution des effectifs cumulés et des fréquences cumulées

4 Indicateurs de position d’une variable quantitative

5 Indicateurs de dispersion d’une variable quantitative

6 Indicateurs de forme d’une variable quantitative

ccc Statistique descriptive : cas univarié

ccc Statistique descriptive : cas univarié

ccc Statistique descriptive : cas univarié

ccc Statistique descriptive : cas univarié

Notes Nombres d’étudiants

ccc Statistique descriptive : cas univarié

Soit X une variable statistique prenant les valeurs (ou modalités)

est ’effectif total de la série des données.

ccc Statistique descriptive : cas univarié

ccc Statistique descriptive : cas univarié

On peut représenter ces distributions sur un tableau

La moyenne est le résumé statistique le plus utilisé pour caractériser la

Si k valeurs dans la série sont distinctes et si ni , fi désignent l’effectif et

ccc Statistique descriptive : cas univarié

Soit une série statistique de taille n, classée suivant la partition

ccc Statistique descriptive : cas univarié

La médiane est la valeur observée ou possible de la série ordonnée en

NB : Si la variable est discrète et n pair, il se peut qu’il n’y ait pas de

ccc Statistique descriptive : cas univarié

Calcul de la médiane cas continu

ccc Statistique descriptive : cas univarié

Approximation de la médiane Me à partir de la table des effectifs

ccc Statistique descriptive : cas univarié

ccc Statistique descriptive : cas univarié

Les quantiles correspondent à des valeurs de la variable statistique qui

ccc Statistique descriptive : cas univarié

c’est la valeur de la série statistique observée le plus grand nombre de

ccc Statistique descriptive : cas univarié

Les indicateurs de dispersions sont

ccc Statistique descriptive : cas univarié

Etendue =xmax − xmin

ccc Statistique descriptive : cas univarié

ccc Statistique descriptive : cas univarié

L’écart type est p

ccc Statistique descriptive : cas univarié

Lorsque la série est un échantillon issu d’une population et que l’on

appelée la variance d’échantillonnage. Qui est un meilleur estimateur de

ccc Statistique descriptive : cas univarié

La variance (ou écart-type) est toujours positive ou nulle

La variance est une forme quadratique

ccc Statistique descriptive : cas univarié

I Cas continu, si on a k classes [di , di+1 [ de centre, d’effectif et de

ccc Statistique descriptive : cas univarié

Le coefficient de variation (CV) est le rapport de l’écart-type à la

Il permet d’apprécier la représentativité de la moyenne par rapport à

ccc Statistique descriptive : cas univarié

Une série a une distribution symétrique si ses valeurs sont également

Dans une distribution symétrique, la médiane = la moyenne :

ccc Statistique descriptive : cas univarié

XCoefficient de Pearson XCoefficient de Yule

ccc Statistique descriptive : cas univarié

Si a = 3, alors la distribution est approchée par une loi normale

ccc Statistique descriptive : cas univarié

L a représentation graphique est une synthèse de l’information qui

ccc Statistique descriptive : cas univarié

L’histogramme consiste à représenter les effectifs (ou les fréquences) des