REPUBLIQUE DEMOCRATIQUE DU CONGO

ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE

UNIVERSITE PROTESTANTE D’AFRIQUE
Agréée par l’Arrêté No420/MINESU/CAB, MIN/MML/CD/RP/2011
SECRETARIAT GENERAL ACADEMIQUE
LUBUMBASHI

DOMAINE DE SCIENCES ET TECHNOLOGIE

« ETUDE STATISTIQUE DES REUSSITES DANS DES

ECOLES TECHNIQUES PRIVEES DE KIPUSHI DE 2017
A 2022, Cas du Complexe Scolaire TRESILE »

Par : KAKELA KATANGWE Boniface

Mémoire présenté et défendu en vue de l’obtention
du grade de Licencié en Statistique.

OPTION : STATISTIQUE

REPUBLIQUE DEMOCRATIQUE
OCTOBRE 2022 DU CONGO
 ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE
UNIVERSITE PROTESTANTE D’AFRIQUE
Agréée par l’Arrêté No420/MINESU/CAB, MIN/MML/CD/RP/2011
SECRETARIAT GENERAL ACADEMIQUE
LUBUMBASHI

DOMAINE DE SCIENCES ET TECHNOLOGIE

« ETUDE STATISTIQUE DES REUSSITES DANS DES

ECOLES TECHNIQUES PRIVEES DE KIPUSHI DE 2017
A 2022, cas du Complexe Scolaire TRESILE »

Par : KAKELA KATANGWE Boniface

Mémoire présenté et défendu en vue de l’obtention
du grade de Licencié en Statistique.

OPTION : STATISTIQUE

Dirigé par : Gustave Ken LUBOYA

Professeur Associé

Année Académique 2022-2023

 I

EPIGRAHE

« Les chiffres sont des innocents qui, sous la sollicitation,

sous la torture, avouent très vite ce qu’on leur demande,

quitte à se rétracter plus tard »

Alfred Saufy
 II

DEDICACE

A toi ma très chère épouse,

A mon père et à ma mère,

A vous mes frères et sœurs,

A vous mes beaux-frères, neveux, nièces,

A vous chers amis,

Et à vous tous, qui se préoccupiez à donner le meilleur de

vous – même pour un bon rendement dans la réussite
scolaire et pour avoir de personnes ayant de têtes bien faites
et non bien pleines ;

Je dédie ce travail.
 III

REMERCIEMENTS

Nous tenons tout abord à remercier Dieu le Tout-Puissant et miséricordieux, qui nous
donne le souffle de vie, l’intelligence, la force, le courage, la volonté, l’harmonie et la patience
d’accomplir ce modeste travail.

Qu’il nous donné de nous acquitter d’une dette de reconnaissance envers tous ceux dont
l’affluence a été profitable pour la réalisation de ce travail.

De prime abord, nous tenons à remercier les autorités académiques de l’Université

Protestante d’Afrique qui, par leurs efforts, nous sommes parvenus au bout de nos études ; nous
citons Monsieur le Recteur, le Professeur – Docteur Joseph KAZUMBA NTENDA ; Monsieur
le secrétaire général Académique, le Professeur SOLOCHI Joseph, Madame l’Administrateur
de budget, Docteur Thérèse LOSOKOLA, sans oublier le corps professoral qui, par leur
abnégation, nous avons acquis une connaissance faisant de nous ce que nous sommes
aujourd’hui.

Nos sincères remerciements s’adressent au C.T. Gustave Ken LUBOYA pour sa sagesse
et son engagement avec lesquels il a tenu la direction de ce travail.

Nous sommes reconnaissants envers le personnel du C.S. Trésile et plus particulièrement

au promoteur, Monsieur MBUYI KANYEMBA Trésor. Que l’Eternel Dieu vous comble de
toutes ses grâces.

Pour vous tous qui avaient participé de près ou de loin à mes efforts pour la réalisation de
cette œuvre.

A tous et à chacun, merci !

 IV

LISTE DES SIGLES ET ABREVIATIONS

- C.G. : Commerciale et Gestion

- CABMIN : Cabinet du Ministère
- CCT : Congo Chine Télécommunication
- CEPACO : Collectif des écoles privées agréées du Congo
- COGES : Comité des gestions
- COPA : Comité de parents
- CRIRES : Centre de recherche et d’intervention sur la réussite scolaire
- ECAdv. 7e Jour : Ecoles conventionnées Adventiste du 7e jour
- ECC : Ecoles conventionnées catholiques
- ECP : Ecoles conventionnées protestantes
- Ed. : Edition
- EL. : Electricité
- ENC : Ecoles non conventionnées
- EPA : Ecoles privées agréées
- GECAMINES : Générale des carrières et des mines
- Ibidem. : Même livre et page différente
- Idem. : Même livre et même page
- ISS : Institut Supérieur de Statistique
- KICO : Kipushi Compagnie
- MA : Mécanique Automobile
- MG : Mécanique Générale
- MINEPSP : Ministère de l’Enseignement Primaire Secondaire et
Professionnel
- MINEPST : Ministère de l’Enseignement Primaire Secondaire et
Technique
- SCE : Somme des Carrés Expliquée
- SCR : Somme des carrés des résidus
- SCT : Somme des Carrés Totale
- UPA : Université Protestante d’Afrique
 V

LISTE DES FIGURES ET TABLEAUX

Chapitre / n° Tableaux ou figures Titre Page

Fig. I / 1 Modèle de la droite de régression à 5% 19
Fig. I / 2 Modèle de graphique de prévision statistique 22
Tableau I / 1 Table des valeurs de quantiles (loi de khi-deux) 27
Tableau II / 2 Elément graphique 29
Tableau II / 3 Ecoles publiques primaires 30
Tableau II / 4 Ecoles privées primaires 31
Tableau II / 5 Ecoles publiques secondaires 32
Tableau II / 6 Ecoles privées secondaires 32
Tableau II / 7 Tableau synthétique des écoles 34
Tableau II / 8 Tableau synthétique des élèves 34
Tableau II / 9 Tableau de statistiques de l’école Trésile 39
Tableau II / 10 Tableau des pourcentages de réussite 40
Tableau 111 / 11 Variables explicatives (X) et variables expliquées 41
Fig. III / 3 Graphique d’évolution des pourcentages de EL 43
Fig. III / 4 Graphique d’évolution des pourcentages de MG 45
Fig. III / 5 Graphique d’évolution des pourcentages de MA 47
Fig. III / 6 Graphique d’évolution des pourcentages de CG 50
Tableau III / 12 Tableau de contingences ou des valeurs observées et attendues 52
 1

INTRODUCTION GENERALE
0.1. PRESENTATION, CHOIX ET INTERET DU SUJET
Le concept de réussite scolaire est polysémique et multidimensionnel. Concrètement, son
étude s’articule en fonction des paradigmes adoptés par les chercheurs et les praticiens.
L’activité des uns comme des autres, orientée vers la réussite scolaire, s’inscrit dans un temps
et lieu donnés. Ce travail se veut rétrospectif, mais aussi prospectif.
K. Marx et Engels parlent de la quintessence de l’angoisse existentielle dans leur œuvre
« choisie » tome III, lorsqu’ils disent : « la réflexion de l’homme sur n’importe quel sujet est le
reflet de ses désirs1 » Avant d’aborder le vif de notre sujet, il est nécessaire de préciser le motif
du choix de celui-ci.
Ainsi, notre étude s’inutile « L’ETUDE STATIQTIQUE DES REUSSITES DANS DES
ECOLES TECHNIQUES PRIVEES DE KIPUSHI DE 2017 A 2022, CAS DU COMPLEXE
SCOLAIRE TRESSILE »
La préoccupation de tout homme de science est de voir sa formation atteindre le niveau
de son rêve et contenir les éléments nécessaires d’un véritable bagage intellectuel pouvant
l’amener à un équilibre.
Le choix et l’intérêt d’un sujet, nous dit MULUMBATI NGASHA, « sont la première
des choses que doit faire quiconque veut s’engager dans une recherche scientifique ».2
Cependant, plusieurs raisons poussent un chercheur à choisir un sujet. Il en est de même de
l’intérêt qu’il suscite. Quant à cette étude, les raisons qui nous ont poussés à choisir ainsi que
son intérêt se situent aux niveaux suivants :
0.1.1. Sur le plan scientifique.
Cette recherche veut être une contribution à l’édification de la science.
0.1.2. Sur le plan personnel.
La considération accordée à ce sujet est le souci de tout statisticien de vouloir par cette
étude s’imprégner de tous les outils qui concourent à une réussite efficace dans une institution.
Son but est de satisfaire notre curiosité en cherchant des moyens nécessaires pour la réussite
des activités scolaires.
0.2. ETAT DE LA QUESTION
Dans une recherche scientifique, on ne part pas de rien. Tout thème d’étude s’inscrit dans
un courant de recherche bien déterminé. Le chercheur avéré cherche à savoir quel est son cadre
théorique, quels sont les auteurs auxquels se référer, quelles sont les connaissances établies,

1 Marx, K et Engels, cité par LENGE ASSOSA, recherche guide I, G1 SPA, UNILU extension de Kolwezi, inédit 2005-2006
2 MULUMBATI NGASHA, Manuel de Sociologie Générale, Lubumbashi, éd, Africa, 1981, p.21.
 2

quelles autres études ont été conduites sur le même sujet. On dressera à cet effet un état de la
question.
L’état de la question est « un inventaire détaillé des travaux antérieurs qui servira
d’arrière-fond référentiel à l’enquête »3. Il est aussi « le dégagement du niveau où se trouve le
débat scientifique » 4. Mais, la définition qui nous semble achevée est celle que propose
KAPENDA TSHITEKA. Selon lui : « l’état de la question consiste à recenser les travaux
antérieurs, leurs orientations et synthèses et permet au chercheur de dégager la nouveauté ou
l’orientation nouvelle et personnelle de sa recherche »5.
En nous alignant dans le même ordre d’idée, l’état de la question nous permet d’opérer
un passage en revue de la littérature existante autour de notre thème d’étude. Les particularités
de cette littérature nous permettrons ainsi de marquer la spécificité de notre recherche en vue
d’en dégager une orientation nouvelle.
Le domaine scientifique, plus précisément celui de la recherche reste un domaine où
complémentarité, reformulation et critique se succèdent. Ainsi, il nous a semblé judicieux de
chercher si notre préoccupation n’aurait pas fait objet d’un autre travail. Ce sujet, tel qu’il se
présente à travers ses hypothèses profondes et son observation scientifique démontre que nous
ne sommes pas le premier à pouvoir l’étudier pour la toute première fois, nous sommes
rassurés que ce sujet a déjà été sous d’autre cieux et dans d’autres aspects.
Pour porter la lumière à notre recherche, il s’avère nécessaire de reconnaître le mérite des
travaux antérieurs. En effet, un travail scientifique est considéré comme un complément et/ou
un dépassement des travaux qui l’ont précédé.
BALLEY GULLER soutient que la lecture d’ouvrages des chercheurs permet de
présenter leurs pensées, d’apprécier les difficultés qu’ils ont rencontrées et les moyens qu’ils
ont utilisés pour les surmonter et de saisir l’originalité de leur contribution et des lacunes qu’un
autre chercheur devra combler. Elle permet en outre d’utiliser les résultats déjà acquis afin que
la recherche à entreprendre soit mieux faite et plus utile6.
Ainsi, faire un état de la question signifie pour KITABA KYA-GHOANYS « mettre en
place une orientation qui se vise à établir le parallélisme entre l’esprit de la recherche présent et
celui des recherches antérieures »7.

3 BERTHIER N.G.., Les techniques d'enquête en sciences sociales. Méthodes et exercices corrigés, Paris, 4e éd. ARMAND COLIN, 2012, p. 49
4 MALEMBA N'SAKILA G., Cours de méthodes de recherche en sciences sociales, Deuxième graduat/GRH, ISES/Lubumbashi, 2013
5 KAPENDA TSHITEKA, Cours de méthodes de recherche en sciences sociales, Deuxième graduat/GRH, ISES/Lubumbashi, 2008
6 BALLEY, G, La recherche en sciences humaines, Paris, éd. Universitaire, 1970, p. 33.
7 KITABA KYA-GHOANYS, Cours des méthodes de la recherche scientifique, Deuxième graduat Gestion des Ressources Humaines, Institut

Supérieur d'Etudes Sociales, Lubumbashi 2006 - 2007, inédit.

 3

L’honnêteté scientifique exige que la lecture d’autres travaux oriente une autre recherche.
C’est cela l’état de la question. Ainsi, nous constatons que certains de nos prédécesseurs ont
déjà traité ce sujet d’une manière ou d’une autre.
Dans ce travail, nous mettons l’accent sur la réussite scolaire afin de déceler une
meilleure façon d’appliquer les fonctions professionnelles au sein d’une institution scolaire en
vue d’obtenir un meilleur rendement.
0.3. OBJET DU TRAVAIL
Dans le cadre de notre travail, nous avons jugé bon de faire une analyse qui nous mènera
à savoir dans quelle option réussissent mieux les élèves.
0.4. PROBLEMATIQUE
Ce concept « problématique » désigne l’ensemble de problèmes que suscite un sujet
d’étude.8 Selon les Professeurs Pascal SEM MBIMBI et Annie CORNET, la problématique est
une reformulation de la question centrale. Il s’agit de l’ensemble de questions pertinentes qui se
posent à l’observateur scientifique à propos de phénomènes, questions qui sont susceptibles
d’avoir une réponse logique et contrôlable et de donner lieu à des opérations classées par ordre
selon les disciplines qui les provoquent9 Ce concept « problématique » désigne aussi
l’ensemble de problèmes que suscite un sujet d’étude.10
En général, la première étape d’un travail scientifique est l’existence d’un problème que
le chercheur souhaite résoudre. En effet, un travail scientifique s’élabore à partir de certaines
questions que l’on se pose. Ces différentes questions constituent la problématique.
Pour QUIVY R. et COMPENHOUT L., elle est « une approche ou la perspective
théorique que l’on décide d’adopter pour traiter le problème posé à la question du départ » 11 .
Selon nous, la problématique est un ensemble des questions qu’on se pose et auxquelles on
donne des réponses dans l’hypothèse. Ainsi définie, la problématique de notre travail se dégage
de la manière suivante : Dans quelle option parmi les quatre organisées au sein du Complexe
Scolaire TRESILE affiche plus de difficultés que les autres ? Telle est la question principale
qui soulève d’autres questions que nous pouvons citer :
- La proportion de réussite est-elle la même dans toutes ces options ? Laquelle est plus
est abordable ?
- La proportion de réussite est- elle liée aux années scolaires (temps) ?
0.5. HYPOTHESE

8 KIBANDWA, J.P. ; Méthodes de recherche scientifique, cours inédit, G1 Université Chrétienne de Likasi, Likasi 2000-2001.
9 SEM MBIMBI et Annie CORNET, Cours de MRS et Guide d’accompagnement pour la réalisation d’un travail scientifique, G2 Economie
2015-2016, UNILU, p.2
10 KIBANDWA, J.P. ; Op.Cit
11 QUIVY, R. et COMPENHOUT, L, Manuel de recherché en sciences sociales, Paris, éd Bordas, 1998, p.83
 4

Le fait de poser le problème à lui seul ne suffit pas. Encore faut-il retrouver des ébauches
de réponses. C’est l’hypothèse.
Ce concept est défini comme des réponses à la problématique qu’on énonce en vertu des
connaissances empiriques ou théoriques dont on dispose déjà sur la question12
L’hypothèse est aussi au dire de DECOSTER : « une proposition restreinte du terme,
notamment lorsqu’elle en est logiquement déduite pour être confrontée avec la réalité des faites
à seule fin de vérification. »
Le dictionnaire universel définit l’hypothèse comme étant une exploitation plausible d’un
phénomène naturel, provisoirement admise et destinée à être soumise au contrôle méthodique
de l’expérience13.
Par ailleurs, elle se définit selon PIEL. J. en ces termes : « une idée directrice, une
tentative d’explication des faits, formulée au début de la recherche, destinée à aider
l’investigation et abandonnée ou maintenue d’après les résultats d’observation14»
P. RONGERE pense que l’hypothèse est « la proposition des réponses aux questions que
l’on se pose à propos de l’objet de recherche, formulée en des termes tels que l’observation et
l’analyse puissent fournir une réponse15»
Selon PINTO R. et M. GRAWITZ, l’hypothèse est une proposition de réponses à la
question ou aux questions que l’on se pose à propos de l’objet de la recherche, formulée en des
termes tels que l’observation et l’analyse puissent fournir la réponse16.
L’hypothèse est : « une proposition résultant d’une observation et que l’on soumet au
contrôle de l’expérience ou que l’on vérifie par déduction » 17.
L’hypothèse est selon J David GOULD « une information en forme des propositions sur
les facteurs variables que l’on peut mesurer et vérifier à travers une étude sur terrain » 18
D’une manière générale, l’hypothèse est entendue comme la formulation d’une
supposition liée à la pertinence à travers la mise en œuvre des diverses recherches.
Pour ce qui nous concerne, une hypothèse correspond à une estimation approximative de
la réalité qu’examine un chercheur, qui sert de repère et de guide avant l’enquête. Mais, une
étude scientifique doit, au demeurant, se focaliser sur une recherche approfondie d’objectivité.

12 KIBANDWA, J.P. Op cit

13 Dictionnaire Universel, 2ème édition, éducef, Paris, 1988. P 588
14 PIEL. J. Cité par KAZADI NGOME D son TFC, Pour une sociologie politique, édition, seuil, Paris, 1974
1
15 RONGERE. P. Cité par MULUMBATI N., Sociologie Générale, Africa, Lubumbashi, 1998, P. 21
16 PINTO R. et M. GRAWITZ, Méthode en sciences sociales, Paris, P.20
17 Le LAROUSSE illustré, Dictionnaire français, Paris, Ed. Larousse, 2009, p. 515
18 GOULD D, J, Introduction à l'organisation, Kinshasa, éd Mont Noir, 1978, p 38.
 5

Raison pour laquelle une hypothèse se doit d’être sinon rationnelle, du moins régie par
certaines « qualités d’ordre sémantique » 19.
Après cette approche définitionnelle et en rapport avec la problématique énoncée ci-haut,
voici la manière dont nous avons dégagé nos hypothèses :
Nous estimons que les proportions de réussite ne sont pas identiques suivant les options
poursuivies, c’est l’option électricité qui a une meilleure proportion de réussite.
Le temps (Année scolaires) a un impact significatif sur le taux de réussite des élèves car,
au fur et à mesure que les années s’écoulent, les enseignements sont améliorés de par la qualité
et la manière d’évaluer les élèves.
0.6. METHODES ET TECHNIQUES
0.6.1. Méthodes
Toute recherche en sciences appliquées comme dans toutes les sciences en général
implique le choix et l’utilisation des procédés scientifiques rigoureux, bien définis et adaptés
aux genres des problèmes et des phénomènes à étudier. En d’autres termes, le choix des
méthodes et des techniques scientifiques à utiliser doit tenir compte de la nature du sujet et des
objectifs à atteindre.
Dans une vision plus globale, la méthode est entendue comme étant : « un ensemble
organisé des procédés mis en œuvre afin d’atteindre l’objectif que l’étudiant s’est assigné dans
son travail »20. Mais, d’une façon plus précise, une méthodologie de recherche est une
procédure logique qui fixe le processus et les formes de raisonnement devant rendre accessible
la réalité à saisir dans une étude scientifique donnée.
L’adoption d’une méthodologie dans une recherche scientifique n’est pas facultative.
C’est une obligation pour tous les chercheurs qui organise une telle étude. La méthode permet
au chercheur d’atteindre l’objectif qu’il s’est assigné dans son travail. Sans elle son étude serait
gratuite.
R. PRINTO et M. GRAWITZ définissent la méthode comme étant un ensemble
d’opérations intellectuelles par lesquelles une discipline cherche à atteindre les vérités qu’elle
poursuit, les démontre et les vérifie.21 De cette définition de la méthode, le fait à retenir est que
la méthode comporte en ensemble de règles à suivre par le chercheur afin de conférer à son
travail un caractère scientifique.

19 BERTHIER, Nicole, Les qualités sémantiques d'une hypothèse, Op.cit., pp. 46-47
20 BINDUNGWA Ibanda M., Comment élaborer un travail de fin de cycle ? Contenu et étapes, Lubumbashi, Ed. Médiaspaul, 2009, p. 47
21 MULOPWE, Op Cit.
 6

MPALA MBABULA Louis, définit la méthode comme « un ensemble des règles pour
conduire raisonnablement et logiquement nos pensées ». En d’autres termes, c’est la voie à
suivre par un chercheur pour atteindre le but qu’on s’est fixé22.
En ce qui nous concerne, nous pensons que la méthode est une voie à suivre et un moyen
rationnel de l’esprit pour arriver à la connaissance de la vérité afin d’atteindre le but qu’on s’est
fixé.
Ainsi avons-nous adopté deux types de méthodes : les méthodes rationnelles (Régression
simple et les tests statistiques, ici, le test de KHI DEUX (휒� ) et les méthodes empiriques. Les
premières relèvent de la théorie et les secondes de l’empirisme. Les unes sont utilisées lors de
l’élaboration des rapports d’enquête sous diverses formes et les autres sur le terrain d’enquête.
Pour tout dire, voici ce que nous entendons par méthodes rationnelles et empiriques,
d’une part, et comment nous avons procédé dans le cadre de la présente étude d’autre part :
0.6.1.1. Méthodes rationnelles.
Pour ANYENYOLA WELO, « la méthode rationnelle est une démarche ou conception
intellectuelle dans le sens d’une façon abstraite ou d’un moyen théorique de raisonner,
d’examiner, d’argumenter et d’expliquer systématiquement un sujet sur la base d’une ou de
plusieurs théories correspondantes selon les exigences scientifiques, à savoir : l’ordre, la
cohérence, la critique, l’objectivité relative, la précision, etc. 23 ».
0.6.1.2. Méthodes empiriques.
Contrairement à la méthode rationnelle, la méthode empirique, quant à elle, est, selon
toujours ANYENYOLA WELO., « une démarche ou conception intellectuelle dans le sens
d’une façon abstraite ou d’un moyen théorique de découvrir, sur terrain d’enquête, des réalités
envisagées, encore cachées, sur base de l’expérience, c’est à dire de l’observation et de la
vérification et non sur base des théories24 »
La méthode empirique ne peut pas s’employer seule. Pour son opérationnalité, elle a
besoin des techniques appropriées.
Les informations qui ont servi de base pour l’élaboration de ce travail ont été récoltées
grâce aux méthodes d’observation et analyse. Nous faisons remarquer, en passant, que ces
méthodes ne se limitent pas à la récolte des données sur terrain, mais qu’elles débouchent
toujours sur l’analyse, le dépouillement, le rassemblement et le classement de ces données, etc.
en vue de leur traitement ultime au moyen des méthodes rationnelles.

22 MPALA MBABULA L, Pour vous chercheurs : directives pour diriger un travail scientifique, Lubumbashi, éd Mpala, 2001, p 13.
23 LABBENS, J., « Le rôle de la conférence internationale de sociologie religieuse, in social compass 7, 1960, pp. 69-74.
24 MUSASA KABOBO, « Réflexion sur la prolifération des sectes à Lubumbashi », in Sectes, Cultures et Sociétés, Actes du 4° colloque

international du CERA, Kinshasa, 14-21 novembre 1992, pp. 303-320.

 7

0.6.2. Techniques
La rédaction d’un travail scientifique exige des données. Ces dernières ne peuvent être
acquises que grâce aux moyens scientifiques. En effet, l’utilisation des techniques nous permet
d’atteindre les éléments d’information dont nous avons besoin.
Pour KAPENDA TSHITEKA, les techniques sont des instruments de travail dont une
personne doit se servir dans sa marche vers l’objectif qu’elle s’est fixée25.
Quant à nous, les techniques sont des moyens ou des outils qui permettent d’acquérir des
données lors d’une recherche. Elle est un instrument à utiliser pour récolter des informations
nécessaires relatives au sujet sous examen.
Pour cette étude, nous avons fait recours aux techniques ci-dessous :
0.6.2.1. L’interview
C’est le moyen par lequel le scientifique doit réaliser à l’aide de contact d’un
questionnaire. Cette technique fait appel à l’écoute.
Elle est utile au début comme à la fin du travail. Au début elle permet d’éclairer le
chercheur sur la manière de concrétiser l’objet de la recherche et à la fin elle lui permet de
revoir le cadre dans lequel s’est déroulée la recherche.
Elle nous a aidé à recueillir directement les données sur le terrain en observant le
comportement de nos enquêtés sans passer, par les intermédiaires.
0.6.2.2. Technique documentaire.
La technique documentaire comme le définit MULUMBATI consiste à étudier et à
analyser les documents pour arriver à déterminer les faits ou les phénomènes dont les
documents portent des traces26.
Ainsi, la lecture approfondie des ouvrages ayant trait à notre sujet nous a donné une idée
claire, un thème que nous étudions. C’est grâce à elle que nous avons rédigé la première partie
de notre travail.
0.7. SUBDIVISION DU TRAVAIL
Outre l’introduction générale et la conclusion générale, la présente étude est subdivisée
en trois chapitres :
Le premier chapitre porte sur le cadre théorique où il est question, dans un premier
temps, de définir les concepts de base et, dans le second temps, de présenter notre modèle
théorique.

25 KAPENDA TSHITEKA, Op.Cit., p.37

26 MULUMBATI NGASHA, Op.cit., p.296
 8

Le deuxième chapitre porte sur la présentation du site d’investigations à savoir la cité de

Kipushi et sur les Institutions scolaires Privées à Kipushi d’une part, de la présentation du
Complexe Scolaire TRESILE et des données brutes d’autre part.
Le troisième et dernier chapitre, pour sa part, porte sur l’application numérique de la
méthode de régression linéaire (simple) et du test de KHI DEUX. Ce chapitre présente les
résultats d’enquête qu’il analyse, interprète et explique.
0.8. DELIMITATION DU TRAVAIL
Par esprit d’honnêteté scientifique, un travail doit être délimité et étant donné qu’on ne
peut pas étudier le tout à la fois, depuis le début de temps jusqu’à nos jours ou d’ici jusqu’aux
confins de l’univers.
0.8.1. Le contour temporel.
Nous avons jugé bon de prendre en compte la période allant de 2017 à 2022 soit une période de
cinq ans (Années scolaires)
0.8.2. Le contour spatial.
Notre champ d’investigation se limite aux résultats obtenus dans une institution scolaire
privée, cas du Complexe Scolaire TRESILE.
 9

CHAPITRE I : CADRE CONCEPTUEL ET THEORIQUE

A chaque domaine de recherche correspond un vocabulaire technique. Dans le souci de
mieux appréhender le contenu de ce travail, il est impérieux de saisir le contexte dans lequel
chaque concept est utilisé dans un travail scientifique. C’est dans cet ordre d’idée que nous
assignons à ce présent chapitre l’objectif de définir les principaux concepts opératoires afin de
mieux cerner le sujet sous examen et donner certaines notions sur ces concepts afin d’éviter
toute confusion sémantique.
Il n’est pas aisé de définir un concept et de gagner l’unanimité de tous, car le sens d’un
concept varie d’un auteur à un autre ou d’une discipline à une autre. Le définir, c’est en même
temps le découvrir et l’épanouir. Ainsi, les exigences scientifiques nous obligent de nous
acquérir de cet agréable devoir, qui est celui de clarifier et d’élucider les termes clés d’une
étude scientifique. En abordant ce point, notre souci est d’épargner le lecteur de toute sorte de
malentendu en vue d’éviter la confusion sur les concepts utilisés.
Pour éviter les confusions particulières et surtout dans le souci d’orienter tous ceux qui
aurons à nous lire dans ce travail. C’est d’autant plus que la conscience se veut tout d’abord
noble d’un ensemble de concepts clairement défini, C’est pourquoi il nous devient impérieux
avant d’entamer notre travail, il sera question de définir les concepts de base qui forment
l’intitulé de notre sujet ainsi que la relation entre les concepts opératoires et la théorie
scientifique qui peuvent expliquer mieux les prémisses de notre étude.
CADRE CONCEPTUEL
Pour y arriver nous avons mis l’accent sur les concepts suivants :
1.1. ETUDE
L’étude est une application méthodique de l’esprit, cherchant à comprendre et à
apprendre. C’est aussi un effort d’application orienté vers l’acquisition ou l’approfondissement
de connaissances.27
Le dictionnaire de français monolingue définit l’étude (en latin Studium, zèle) comme
étant un travail de l’esprit qui s’applique à connaître, à approfondir quelque chose ; un effort
intellectuel tourné vers l’acquisition de connaissances, vers l’apprentissage de quelque chose ;
un effort intellectuel orienté vers l’observation et la compréhension des êtres, des choses, des
événements ; un travail préparatoire de mise au point ou de recherche ; examen approfondi de
quelque chose ; analyse ; etc. 28
1.2. STATISTIQUE

27 Dictionnaire Le Grand Larousse Illustré, Parus 2018, p. 469

28 Dictionnaire de français monolingue, ed. 2002, p. 230
 10

Il n’existe pas de définition universelle et totalement aboutie de la statistique. Celles

présentées ci-après donnent un aperçu des différentes facettes que peut revêtir le terme ≪
statistique ≫ en tant que science.
1.2.1. Étymologie
D’usage généralisé en français vers 1785, dérivé de l’italien statista (« homme d’État,
statiste ») 29 , emprunté à l’allemand Statistik, forgé ou repris, vers 1749, par l’économiste
Gottfried Achenwall : la statistique représentant pour lui l’ensemble des connaissances que doit
posséder un homme d’État. C’est son ouvrage « Aperçu sur la gestion étatique des empires et
républiques européens les plus distingués à l’usage des cours universitaires » paru en 174930
qui conféra son rayonnement à la notion.
1.2.2. Histoire
Bien que le nom de statistique soit relativement récent - on attribue en général l’origine
du nom au XVIIIe siècle, de l’allemand Staatskunde (connaissance ou science de l’État) - cette
activité semble exister dès la naissance des premières structures sociales.
La statistique est aussi un appui pour l’histoire prospective ou rétrospective, de la
démographie. Les statistiques mathématiques s’appuyaient sur les premiers travaux concernant
les probabilités, développés par Fermat et Pascal. C’est probablement chez Thomas Bayes que
l’on vit apparaître un embryon de statistique inférentielle. Condorcet et Laplace parlaient
encore de probabilité, là où l’on parlerait aujourd’hui de fréquence. Mais c’est à Adolphe
Quételet que l’on doit l’idée que la statistique est une science s’appuyant sur les probabilités.
Le 19ème siècle voit cette activité prendre son plein essor. Des règles précises sur la
collecte et l’interprétation des données sont édictées. La première application industrielle des
statistiques eut lieu lors du recensement américain de 1890, qui mit en œuvre la carte perforée
inventée par le statisticien Herman Hollerith.
Au 20ème siècle, ces applications industrielles se développèrent, d’abord aux États-Unis,
qui étaient en avance sur les sciences de gestion, puis après la Première Guerre mondiale en
Europe. L’avènement de l’informatique, dans les années 1940 (aux États-Unis), puis en Europe
(dans les années 1960), permit de traiter un plus grand nombre de données, mais surtout de
croiser entre elles des séries de données de types différents. C’est le développement de ce
qu’on appelle l’analyse multidimensionnelle.
1.2.3. Définition

29 G HENKIN et A SHANANIN, « Asymptotic behavior of solutions of the Cauchy problem for Burgers type equations », Journal de
Mathématiques Pures et Appliqués, vol. 83, no 12, décembre 2004, p. 1457–1500
30 M. DUMAS, « Discussion sur la définition du mot « statistique » », Journal de la société statistique de Paris, vol. 97, 1986, p. 253-258
 11

Commençons par préciser que donner une définition de la statistique n’est pas chose
facile : comme expliqué dans la section précédente, les définitions de la statistique évoluent en
fonction de l’époque ou de son utilisation. En 1935, le statisticien Walter F. Wilcox dénombrait
entre 100 et 120 définitions différentes 31.
« Parmi les thèmes à propos desquels les statisticiens ne sont pas d’accord, se trouve la
définition de leur science32. »
Donnons en premier lieu, la définition la plus classique actuellement utilisée, au moins
depuis 1982 : « La statistique est l’ensemble des méthodes qui ont pour objet la collecte, le
traitement et l’interprétation de données d’observation relatives à un groupe d’individus ou
d’unités. »
Par cette définition, la statistique apparaît comme une science autonome, orientée vers les
données, comme la physique l’est vers la matière et la biologie vers la vie. Mais comme elle
s’appuie sur la théorie des probabilités, étant elle-même une science de l’aléatoire, en
particulier d’un point de vue universitaire, comme une branche des mathématiques appliquées.
Aujourd’hui, elle s’inscrit dans un champ disciplinaire plus transverse que les anglo-
saxons nomment « Data Science » et dans lequel par ailleurs, l’informatique a elle aussi une
place importante. Les différents aspects de la statistique sont regroupés en différents domaines
ou concepts : la statistique descriptive, plus couramment appelée aujourd’hui statistique
exploratoire, l’inférence statistique, la statistique mathématique, l’analyse des données,
l’apprentissage statistique, etc.
La statistique c’est la science des grands nombres regroupant l’ensemble de méthodes
mathématiques qui, à partir du recueil et de l’analyse de données réelles, permettent
l’élaboration de modèles probabilistes autorisant les prévisions 33.
On perçoit dans cette définition plusieurs termes et notions fondamentales propres à la
statistique : le recueil sous-entend la collecte qui elle-même suppose dans bien des cas la
réalisation d’une enquête ou d’un sondage. Enquête et sondage impose l’échantillonnage en
vue de l’inférence.
La statistique (allemand Statistik) est un ensemble de données d’observation relatives à
un groupe d’individus ou d’unités (souvent pluriel) ou un ensemble des méthodes qui ont pour
objet la collecte, le traitement et l’interprétation de ces données (souvent au singulier)34.

31 Pierre DAGNELIE, « Diversité et unité de la statistique », Journal de la société statistique de Paris, vol. 123, no 2, 1982, p. 86-92
32 J. TORRENS-IBERN, « Variété. Qu'est-ce que la statistique ? », ournal de la société statistique de Paris, vol. 97, 1956, p. 289 - 296
33 Le Grand Larousse illustré, Dictionnaire français, Paris 2018, p.
34 Dictionnaire français monolingue, Idem.
 12

L’analyse des données suppose la manipulation de tableaux ou grands ensembles de

données qu’il s’agira de décrire et de résumer tout en accompagnant cette opération de
représentations graphiques et cartographiques.
Autre définition, moins académique celle-ci : la statistique est un ensemble de méthodes
permettant de prendre une bonne décision face à l’incertitude35
Nous entendons par statistique la science qui a pour objet de recueillir et de coordonner
des faits nombreux dans chaque espèce de manière à obtenir des rapports numériques,
sensiblement indépendants des anomalies du hasard, et qui dénotent l’existence de causes
régulières dont l’action s’est combinée avec celle des causes fortuites. 36
Le statisticien a pour profession la mise au point d’outils statistiques, dans le secteur
privé ou le secteur public, et leur exploitation généralement dans un domaine d’expertise.
1.2.4. Domaines d’application.
En 1982, le statisticien Pierre DAGNELIE propose trois grandes tendances de la
statistique37 :
La statistique qualifiée d’« administrative » ou « gouvernementale »
La statistique dite « mathématique » ou « universitaire » faite avec peu de données et qui
a pour but la novation ;
La statistique « appliquée » ou « de terrain » faite dans les instituts de sondage d’opinion
ou les facultés de médecine pour des problèmes concrets.
Dans la pratique, les méthodes et outils statistiques sont utilisés dans des domaines tels
que : Démographie, Sciences économiques et sociales, et en économétrie , Sociologie,
Marketing Production industrielle, Médecine et en psychologie, Archéologie, Assurance, en
finance, Informatique, surtout en algorithmique (anticrénelage, interpolation numérique).
1.2.5. Sortes
Il existe deux types de statistique descriptive et statistique mathématique.
La statistique descriptive est la branche des statistiques qui regroupe les nombreuses
techniques utilisées pour décrire un ensemble relativement important de données. L’objectif de
la statistique descriptive est de décrire, c’est-à-dire de résumer ou représenter, par des
statistiques, les données disponibles quand elles sont nombreuses. Toute description d’un

35 WALLIS & ROBERTS, The Nature of Statistics

36 COURNOT, Théorie des chances et des probabilités, IX, in LALANDE, Vocabulaire de la philosophie, art. Statistique.
37 Pierre DAGNELIE, Op.cit., p. 86-92
 13

phénomène nécessite d’observer ou de connaître certaines choses sur ce phénomène. Les

observations disponibles sont toujours constituées d’ensemble d’observations synchrones.38
Statistique mathématique est la branche des statistiques utilisant des méthodes
mathématiques. Elle repose sur la théorie des probabilités39. En statistique descriptive, on se
contente de décrire un échantillon à partir de grandeurs comme la moyenne, la médiane, l’écart
type, la proportion, la corrélation, etc. C’est souvent la technique qui est utilisée dans les
recensements. Dans un sens plus large, la théorie statistique est utilisée en recherche dans un
but inférentiel. Le but de l’inférence statistique est de dégager le portrait d’une population
donnée, à partir de l’image plus ou moins floue constituée à l’aide d'un échantillon issu de cette
population.
Le but de la statistique est d’extraire des informations pertinentes d’une liste de nombres
difficile à interpréter par une simple lecture. Pour induire des informations sur la population
inconnue il faut introduire la notion de loi de probabilité. Les données connues constituent dans
ce cas une réalisation d’un échantillon, ensemble de variables aléatoires supposées
indépendantes. La théorie des probabilités permet alors, entre autres opérations :
D’associer les propriétés de l’échantillon à celles qui sont prêtées à la loi de probabilité,
c’est l’échantillonnage ;
De déduire inversement les paramètres de la loi de probabilité des informations que
donne l’échantillon, c’est l’estimation ;
De déterminer un intervalle de confiance qui mesure la validité de l’estimation ;
de procéder à des tests d’hypothèse, le plus utilisé étant le test du χ² pour mesurer l’adéquation
de la loi de probabilité choisie à l’échantillon utilisé ; etc.
1.3. REUSSITE
Il y a plusieurs définitions de la réussite. Pour certains, c’est une vie harmonieuse avant
tout, pour d’autres la priorité est de gagner beaucoup d’argent ou bien une reconnaissance voire
la célébrité. En fait, la définition de la réussite dépend souvent de l’âge et de la société dans
laquelle on évolue.
Le concept de réussite scolaire est examiné à travers les définitions, les axes de recherche
et les moyens d’agir qu’ont retenus les chercheurs du Centre de recherche et d’intervention sur
la réussite scolaire (CRIRES) depuis sa création en 1992. La théorie historico-culturelle est
appliquée à ce cas et le modèle d’Engeström (1987, 1999) sert de cadre de référence pour

38
Wikipédia, https://fr.wikipedia.org/w/index.php?title=Statistique_descriptive
39
Wikipédia, https://fr.wikipedia.org/w/index.php?title=Statistique_mathématique
 14

l’analyse du système éducatif québécois en tant que système d’activité qui a pour finalité la
réussite scolaire des élèves. Cette analyse, de niveau méta, examine l’activité des agents de la
réussite scolaire, notamment les outils et instruments d’intervention mis en œuvre dans
différents contextes ainsi que certains rôles, normes et politiques qui en sont ressortis.
L’analyse se veut proactive et met en lumière les modes d’intervention, en milieu scolaire
et postsecondaire, des agents de la réussite scolaire au sein de leur communauté (classe, école,
communauté locale ou élargie). Elle fait ressortir les éléments suivants :
- La définition de la réussite scolaire est l’atteinte d’objectifs d’apprentissage propres à
chaque étape des cheminements scolaires, sujet ;
- Les axes de recherche orientent la médiation de l’innovation en privilégiant une grande
variété d’outils et d’instruments ainsi que l’examen de leurs retombées dans des contextes
précis ;
1.3.1. La réussite scolaire
La définition de la réussite scolaire adoptée par le CRIRES fut rédigée par Antoine Baby
en 1992 : Cette notion réfère à l’atteinte d’objectifs d’apprentissage propres à chaque étape des
cheminements scolaires. Lorsque ces étapes coïncident avec la fin d’un cycle d’étude ou d’un
ordre d’enseignement, la réussite scolaire se traduit généralement par l’obtention d’un diplôme
ou d’un certificat et, ultimement, par une intégration réussie dans le monde du travail
(CRIRES, 1992, p. 2).40
La réussite scolaire renvoie à l’atteinte d’objectifs de scolarisation liés à la maîtrise de
savoirs déterminés. La notion de réussite éducative, quant à elle, renvoie à l’atteinte d’objectifs
liés au processus de transmission d’attitudes, de comportements et de valeurs (Bisaillon, 1992).
1.4. INSTITUTION SCOLAIRE
Une institution scolaire est une structure sociale et politique destinée à l’éducation, dans
le premier degré (écoles maternelle, écoles élémentaire, enfants handicapés) et le second degré
(collèges, lycées). On peut insister soit - juridiquement - sur les lois, les coutumes, les
organisations, soit - sociologiquement - sur les associations humaines, les croyances
collectives, les pratiques instituées, les routines sociales, les rôles. Une institution a toujours
une finalité et une stabilité.
Deux mots fusionnent en une expression : « institution », « école » :
Qu’est-ce qu'une institution ? Une forme ou une structure sociale établie par la loi ou la
coutume, un ensemble socialement organisé où s’exercent les fonctions publiques, un système

40
Centre de recherche et d’intervention sur la réussite scolaire ,CRIRES en sigle, 1992
 15

organisé et stable qui structure des activités sociales (par exemple l’enseignement, ou la justice,
le travail…).
Qu’est-ce que l’École ? L’institution qui se donne pour mission de transmettre les
savoirs, d’éduquer aussi, et de favoriser l’insertion sociale ou même professionnelle.
Qu’est-ce que l’Institution scolaire ? Au sens étroit, le système éducatif.
Qu’est-ce qu’une institution scolaire ? Une organisation sociale, relevant souvent du droit
public, et qui vise l’éducation, l’instruction, la formation (initiale, continue, professionnelle,
par acquis de l’expérience), pour, au moins, des enfants en âge d’obligation d’instruction (6-18
ans).
L’institution scolaire concerne, dans le domaine éducatif, les coutumes, les principes, les
règlements, les lois (par exemple, les lois organiques de Jules Ferry), mais aussi les
groupements de personnes (par exemple, les personnels enseignants, les lycées agricoles…),
mais encore les diplômes d’État, les « ordres de l’enseignement » (primaire, secondaire,
supérieur), les fonctions administratives (Recteur, directeur d’école…), les statuts
(titulaire/contractuel…), les secteurs (privé/public, laïc/confessionnel)…
L’institution scolaire est une réponse officielle au cri de Charles-Louis Philippe :
« Écoles, qu’avez-vous fait de ma jeunesse ? »

PRESENTATION DU MODELE THEORIQUE

1.5. APERÇU DE LA DEMARCHE STATISTIQUE
1.5.1. Recueil des données
L’enquête statistique est toujours précédée d’une phase où sont déterminés les différents
caractères à étudier. L’étape suivante consiste à choisir la population à étudier. Il se pose alors
le problème de l’échantillonnage : choix de la population à sonder, la taille de la population et
sa représentativité. Que ce soit pour un recueil total (recensement) ou partiel (sondage), des
protocoles sont à mettre en place pour éviter les erreurs de mesures qu’elles soient
accidentelles ou répétitives (biais). 41
1.5.2. Pré traitement
Le pré traitement des données est extrêmement important, en effet, une transformation
des données initiales (un passage au logarithme, par exemple), peuvent considérablement
faciliter les traitements statistiques 42.
1.5.3. Traitement des données

41 Olivier MARTIN, L'Enquête et ses méthodes : l'analyse de données quantitatives, Paris, Armand Colin, 2005 ; 2009.
42 Jean-Pierre FAVRE, Mathématiques de gestion, Digilex, 2009
 16

Le résultat de l’enquête statistique est une série de données quantitatives (tailles, salaires)
ou de données qualitatives (langues parlées, marques préférées). Pour pouvoir les exploiter, il
va être nécessaire d’en faire un classement et un résumé visuel ou numérique. Il sera parfois
nécessaire d'opérer une compression de données. C’est le travail de la statistique descriptive. Il
sera différent selon que l’étude porte sur une seule ou sur plusieurs variables. 43
1.5.4. Étude d'une seule variable
Le regroupement des données, le calcul des effectifs, la construction de graphiques
permettent un premier résumé visuel du caractère statistique étudié. Dans le cas d’un caractère
quantitatif continu, l’histogramme en est la représentation graphique la plus courante.
En statistiques, on est en général en présence d’un grand nombre de valeurs. Or, si
l’intégralité de ces valeurs forme l’information, il n’est pas aisé de manipuler plusieurs
centaines voire milliers de données, ni d’en tirer des conclusions. Il faut donc calculer quelques
valeurs qui vont permettre d’analyser les données : c’est le rôle des réductions statistiques.
On peut aussi chercher à comparer deux populations. On s’intéressera alors plus
44
particulièrement à leurs critères de position, de dispersion, à l’analyse de la variance.
1.5.5. Étude de plusieurs variables
Les moyens informatiques permettent aujourd’hui d’étudier plusieurs variables
simultanément. Le cas de deux variables va donner lieu à la création d’un nuage de points,
d’une étude de corrélation éventuelle entre les deux phénomènes ou d’une étude de régression
linéaire.45
1.5.6. Interprétation et analyse des données
L’inférence statistique a pour but de faire émerger des propriétés d’un ensemble de
variables connues uniquement à travers quelques-unes de ses réalisations (qui constituent un
échantillon de données).
Elle s’appuie sur les résultats de la statistique mathématique, qui applique des calculs
mathématiques rigoureux concernant la théorie des probabilités et la théorie de l’information
aux situations où on n’observe que quelques réalisations (expérimentations) du phénomène à
étudier. Sans la statistique mathématique, un calcul sur des données (par exemple une
moyenne), n’est qu’un indicateur. C’est la statistique mathématique qui lui donne le statut
d’estimateur dont on maîtrise le biais, l’incertitude et autres caractéristiques statistiques. 46

43 Wikipédia, op.cit.
44 Georges HOSTELET, Le Concours de l’analyse mathématique à l’analyse expérimentale des faits statistiques, Paris, Hermann, 1937, p. 70
45 Gilbert SAPORTA, Probabilités, Analyse des données et Statistiques, Paris, Éditions Technip, 2006, 622 p.622
46 Ibidem.
 17

On peut aussi émettre des hypothèses sur la loi générant le phénomène général. L’étude
de l’échantillon va alors valider ou non cette hypothèse : c’est ce qu’on appelle les tests
d’hypothèses. Les tests d’hypothèses permettent de quantifier la probabilité avec laquelle des
variables (connues seulement à partir d’un échantillon) vérifient une propriété donnée.
Enfin, on peut chercher à modéliser un phénomène a posteriori. Dans le cas de la
modélisation statistique, le modèle va être construit à partir des données disponibles, sans
aucun a priori sur les mécanismes entrant en jeux. Ce type de modélisation s'appelle aussi
modélisation empirique. Compléter une modélisation statistique par des équations physiques
(souvent intégrées dans les pré-traitements des données) est toujours positif.
Un modèle est un moyen de relier des variables à expliquer Y à des variables explicatives
X, par une relation fonctionnelle : Y=F(X)
Les modèles statistiques peuvent être regroupés en grandes familles (suivant la forme de
la fonction F) : Les modèles linéaires ; les modèles non linéaires ; les modèles non
paramétriques. Les modèles bayésiens (du nom de Bayes) peuvent être utilisés dans les trois
catégories.
1.6. PRESENTATION THEORIQUE
Présentation théorique de la méthode de régression linéaire
1.6.1. Principe de la régression
En statistiques, en économétrie et en apprentissage automatique, un modèle de régression
linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une
variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi
de modèle linéaire ou de modèle de régression linéaire.
Or pour ce qui nous concerne, notre étude porte sur une seule variable indépendante
(année scolaire), nous allons user de la méthode de régression simple pour faire ressortir la
liaison qui existe entre les années scolaires et les pourcentages de réussites dans chaque option.
1.6.2. Analyse des facteurs
Dans le tableau n°1, les données brutes ont été recueillies suivant les critères : les options
qui constituent la variable dépendante ou expliquée ou encore endogène et les années scolaires,
la variable indépendante ou explicative ou encore exogène. Nous pouvons faire ressortir
l’influence, si elle existe, de la variable indépendante et de la variable dépendante sur les
résultats. De ce fait, nous procéderons à une régression simple de chaque option.
1.6.3. Présentation formelle du modèle
Nous rencontrons principalement trois types de notations :
1.6.3.1. Notation simple (ou scalaire)
 18

On considère le modèle pour l’individu i. Pour chaque individu, la variable expliquée

s’écrit comme une fonction linéaire des variables explicatives.

푦� = 훽� + 훽� 푥�,� + ⋯ + 훽� 푥�,� + 휀�
Où 푦� et 푥�,� sont fixes et 휖� représente les erreurs aléatoires
1.6.3.2. Notation vectorielle
La notation vectorielle est similaire à la notation simple mais on utilise la notation
vectorielle pour synthétiser la notation. Cette notation est pratique lorsqu’il y a un grand
nombre de variables explicatives. On définit β le vecteur des paramètres du modèle (훽� , … , 훽� )
et 푋�� le vecteur ligne des variables explicatives pour l’individu i (1, 푥�,� , … , 푥�,� ). Le modèle se

réécrit alors de la manière suivante : 풚풋 = 풙�풊 휷 + 흐풊

1.6.3.3. Notation matricielle
Enfin, on rencontre aussi souvent une notation matricielle. Ici, on écrit le modèle pour
chacun des n individus présents dans l’échantillon. Le modèle s’écrit alors :
푌 = 푋훽 + 휀
Avec

1.6.4. Terminologie
Le modèle linéaire est utilisé dans un grand nombre de champs disciplinaires. Il en
résulte une grande variété dans la terminologie. Soit le modèle suivant :

푌 = 푋훽 + 휀
La variable Y est appelée variable expliquée, variable dépendante, variable endogène ou
encore réponse. Les variables X sont appelées variables explicatives, variable indépendante,
variables exogènes ou encore prédicteurs. ε est appelé terme d’erreur ou perturbation. On note
généralement 훽� le vecteur des paramètres estimés.
On définit la valeur prédite ou ajustée 푌� = 푋훽� et le résidu comme la différence entre la

valeur observée et la valeur prédite : 휀̂ = 푌 − 푌� .

On définit aussi la somme des carrés des résidus (SCR, ou SSR en anglais) comme la
somme sur toutes les observations des carrés des résidus :
 19

푺푪푹 = 푺푺푹 = 휺�� 휺� = �(풚풊 − 풚

�풊 )ퟐ
풊�ퟏ
1.6.5. Modèle linéaire simple
On appelle généralement modèle linéaire simple, un modèle de régression linéaire avec
une seule variable explicative. Ce modèle est souvent présenté dans les manuels de statistiques
à des fins pédagogiques, sous le titre d’ajustement affiné. On a donc deux variables aléatoires,
une variable expliquée Y, qui est un scalaire, une variable explicative X, également scalaire. On
dispose de n réalisations de ces variables, (풙풊 )ퟏ�풊�풏 et (풚풊 )ퟏ�풊�풏 , soit :

풚풊 = 휷ퟎ + 휷ퟏ 풙풊 + 휺풊
Où 휺풊 est le terme d’erreur ; chaque terme d’erreur lui-même est une réalisation d’une
variable aléatoire퐸� .
1.6.6. Droite de régression
Dans le cadre d’un modèle linéaire simple, on peut représenter graphiquement la relation
entre x et y à travers un nuage de points. L’estimation du modèle linéaire permet de tracer la
droite de régression, d’équation푦 = 훽� + 훽� 푥. Le paramètre 훽� représente l’ordonnée à
l’origine et 훽� la pente ou le coefficient directeur de la droite de régression47.

Fig. I.1 : Modèle de la Droite de régression au seuil de confiance 훼 = 0,05

47 Charles MANSKI, « Regression », Journal of Economic Literature, vol. 29, no 1, mars 1991, p. 34-50
 20

1.6.7. Principales hypothèses

1.6.7.1. Non colinéarité des variables explicative
Cette hypothèse ne suppose qu’aucune des variables explicatives du modèle ne peut
s’écrire comme une combinaison linéaire des autres variables. Ce qui revient à
피(푥� 푥��), inversible avec 풙�풊 la transposée du vecteur 풙풊 (en notation vectorielle), et à
피(푋 �푋), inversible avec X' la transposée de la matrice X (en notation matricielle). Cette
condition est souvent exprimée par le fait que la matrice X est de rang maximum.
1.6.7.2. Indépendance des erreurs
Les ε1, ε2, ... εn sont indépendants. Les termes d’erreur ne sont donc pas corrélés entre
eux. Formellement, ∀풊 ≠ 풋 푪풐풗 �휺풊 , 휺풋 � = ퟎ. Cette hypothèse est souvent violée lorsqu’il
s’agit de séries temporelles où les erreurs sont souvent dites autocorrélées 48.
1.6.7.3. Exogénéité
On dit que les variables explicatives sont exogènes si elles ne sont pas corrélées au terme
d’erreur. Ce qu’on note, pour le cas où la variable explicative est aléatoire, 피(휺풊 |풙풊 ) = ퟎ en
notation vectorielle et 피(휺|푿) en notation matricielle où 푿 = (핀풏 , 풙ퟏ , 풙ퟐ , … , 풙푲 ). Ceci implique
que les erreurs sont centrées. Si les variables X sont constantes ceci est noté 피(휺풊 ) = ퟎ.
1.6.7.4. Homoscédasticité
Les termes d’erreurs sont supposés de variance constante, ce qui se traduit, si l’hypothèse
précédente est vérifiée, par ∀풊 = ퟏ, … , 푲 피(휺ퟐ풊 [풙풊 ) = 흈ퟐ si X est une variable aléatoire ou un
ensemble de variables aléatoires, et par ∀풊 = ퟏ, … , 풏 피(휺ퟐ풊 [풙풊 ) = 흈ퟐ sinon.
Si les deux précédentes hypothèses sont vérifiées, on peut l’écrire sous forme matricielle :
핍(휺|푿) = 흈ퟐ 핀풏 Avec 핀� la matrice identité de taille n 49.
1.6.8. Normalité des termes d'erreur
Une hypothèse plus forte que les premières est celle consistant à dire que les termes
d’erreurs suivent une loi normale, centrées, de variance σ2 soit, 휺풊 |풙풊 ~퓝(ퟎ, 흈ퟐ ) en notation
vectorielle et sous forme matricielle 휺|푿~퓝(ퟎ, 흈ퟐ 핀풏 )
1.6.9. Hiérarchie des hypothèses
À noter que si l’hypothèse de non colinéarité n’est pas vérifiée, l’estimation du modèle
est impossible (elle nécessiterait d’inverser une matrice singulière) alors que pour toutes les
autres hypothèses l’estimation est possible mais donne un estimateur biaisé et/ou non efficace

48 Adrien-Marie LEGENDRE, Nouvelles méthodes pour la détermination des orbites des comètes, Paris, F. Didot, 1805, p. 80
49 R.Palm et A.F. Iemma, « Quelques alternatives à la régression classique dans le cadre de la colinéarité », in Revue de statistique
appliquée, vol. 43, no 2, 1995, p. 5-33
 21

(à variance non minimale) mais il existe des corrections possibles. La normalité des erreurs est
quant à elle non obligatoire mais permet de tirer de bonnes propriétés.
1.6.10. Estimation
Le modèle linéaire peut être estimé par la méthode des moindres carrés. Elle est très
populaire et très souvent présentée avec le modèle linéaire50.
1.6.10.1.Estimateur des moindres carrés
Dans le cas le plus standard, où les termes d’erreurs sont indépendants et identiquement
distribués, l’estimateur des moindres carrés ordinaires est le plus efficace des estimateurs
linéaires sans biais (théorème de Gauss-Markov).
1.6.10.2.Estimateur des moindres carrés ordinaires
Sous les hypothèses de Gauss et Markov, le modèle peut être estimé par la méthode des
moindres carrés ordinaires. L’estimateur des moindres carrés ordinaires peut s’écrire51 :
�ퟏ
� = �ퟏ ∑ 풙풊 풙�풊 �
휷
ퟏ
� = (푿� 푿)�ퟏ 푿�풚 (forme matricielle).
�풏 ∑ 풙풊 풚풊 � (Forme vectorielle) ou 휷
풏

D’après le théorème de Gauss-Markov, l’estimateur des moindres carrés ordinaires est le

meilleur estimateur linéaire sans biais du vecteur des coefficients β.
1.6.11. Qualité de la prédiction
Pour évaluer la qualité de la prédiction, on peut utiliser différents critères. Dans un
premier temps rappelons que :
SSE ou SCE variation expliquée par la régression (Sum of Squares Explained, en français
SCE Somme des Carrés Expliquée [par la régression]).

SSR ou SCR est la variation expliquée par les résidus (Sum of Squared Residuals, en
français SCR Somme des Carrés Résiduelle).

SST ou SCT est la variation totale (Sum of Squares Total, en français SCT Somme des
Carrés Totale).

50 Thierry
FOUCART, « Colinéarité et régression linéaire », Mathématiques et sciences humaines, vol. 1, no 173, 2006, p. 5-25
51 Alain
DEGENNE, e a ; « Les usages du temps : cumuls d'activités et rythmes de vie : Temps sociaux et temps professionnels au travers des
enquêtes Emploi du temps », Economie et statistique, nos 352-353, 2002, p. 81-99
 22

Nous pouvons alors définir le coefficient de détermination (R2) comme le ratio entre la
somme des carrés des écarts à la moyenne des valeurs prédites par la régression et la somme
des carrés des écarts à la moyenne totale :
� (푦�� − 푦�)� � (푦 �
�
푆푆퐸 푆푆푇 − 푆푆푅 ∑��� ∑��� �−푦 �)�
푅 = = = � =1− �
푆푆푇 푆푆푇 ∑���(푦� − 푦�)� ∑���(푦� − 푦�)�
Le coefficient de détermination varie entre 0 et 1. Lorsqu’il est proche de 0, le pouvoir
prédictif du modèle est faible et lorsqu’il est proche de 1, le pouvoir prédictif du modèle est
fort.
1.6.12. Prévision statistique
À partir de quatre points expérimentaux nous avons la droite de régression en gris, puis,
avec une confiance de 90%, les droites extrêmes en pointillés rouge, les enveloppes
d’estimations en orange et les enveloppes de prédictions en bleu52

Fig. I..2 : Graphique de prévision statistique

Le but de la régression est d’établir la loi y = ƒ(x). Une fois cette loi estimée, on va
chercher à prédire une valeur de y pour une valeur de x donnée ; on note y* cette valeur
estimée,
Il faut donc donner un intervalle de confiance pour cette valeur de y*. On peut donner
deux réponses différentes à cette question.
La valeur y* est censée être l’espérance de la variable aléatoire Y(x) en ce point x donné :
si l’on fait, disons, 1 000 mesures de Y, la moyenne E(Y(x)) de ces valeurs devrait être y*. On
peut donc se demander avec quelle précision ΔE(Y( x)) on estime E(Y(x)). Pour un
risque α donné, on peut déterminer l’intervalle dans lequel E(Y(x)) à α % de se trouver est
donné par [y* - ΔE(Y(x)) ; y* + ΔE(Y(x))].

Nous avons : où t est la loi de STUDENT à n - 2 degrés de liberté pour un risque α.

Lorsque x varie, les limites de l’intervalle de confiance décrivent une hyperbole.
52
Illustration extraite du livre Calcul d’incertitudes p.62
 23

L’autre question est : à partir d’une seule mesure de Y(x), qui sera différente de y* ; quel

est l’intervalle de confiance Δy pour un risque α donné ? On cherche une réponse de la forme :

on a α chances que le y mesuré soit dans l’intervalle [y* - Δy ; y* + Δy]. Si x est proche

de x, c’est-à-dire si (x - x)2 est négligeable devant ∑(xi - x)2, et si n est grand, c’est-à-dire
si 1/n est négligeable devant 1, alors on a un intervalle de confiance Sous ces hypothèses, on

voit que Δy est constant, c’est-à-dire que l’on a une bande de confiance parallèle à la droite de

régression. On voit que cet intervalle augmente lorsque l’on s’éloigne de x. Cela montre en
particulier qu’une extrapolation, c’est-à-dire le fait d’utiliser la loi trouvée en dehors du
domaine des points expérimentaux [x1 ; xn] (en supposant les abscisses classées par ordre
croissant), comporte un risque statistique.
1.6.13. Présentation de test d’indépendance de deux caractères ou de test du χ²

En statistique, le test du khi carré, aussi dit du khi-deux53 , d’après sa désignation

symbolique χ2, est une méthode de test des hypothèses. Deux tests du khi-deux courants
impliquent de vérifier si les fréquences observées dans une ou plusieurs catégories
correspondent aux fréquences attendues. Il permet de tester l’adéquation d’une série de
données à une famille de lois de probabilité ou de tester l’indépendance entre deux variables
aléatoires.
Ce test a été proposé par le statisticien Karl Pearson en 190054. Tout test de statistique
classique vise à vérifier une hypothèse, en particulier par rapport à l’hypothèse nulle, notée H0,
qui postule qu’une différence entre des jeux de données est due au hasard.
L’hypothèse alternative que l’on vérifie suppose que les données considérées proviennent
de variables aléatoires qui suivent une loi de probabilité donnée, et l’on souhaite tester la
validité de cette hypothèse. Ces données ayant été réparties en classes, il faut :
Calculer algébriquement la distance entre les données observées et les données
théoriques attendues ;
Se donner a priori un risque d’erreur, celle consistant à rejeter l’hypothèse, alors qu’elle
est vraie (la valeur 훼 = 5% est souvent choisie par défaut) ;
Déterminer le nombre de degrés de liberté du problème à partir du nombre de classes, et
à l’aide d’une table de χ255;

53 « Le test du khi-deux » (https://www.jmp.com/fr_fr/statistics-knowledge-portal/chi-square-test.html) [archive], sur jmp.com (consulté le 2

janvier 2022)
54 Stephen STIGLER, « Karl Pearson’s theoretical errors and the advances they inspired », Statistical Science, no 23, 2008, p. 261–271 (lire en

ligne (http://projecteuclid.org/DPubS?service=UI&version=1.0&v
 24

Déduire, en tenant compte du nombre de degrés de liberté, la distance critique qui a une
probabilité de dépassement égale à ce risque.
Si la distance calculée entre les données observées et théoriques est supérieure à la
distance critique, on conclut que le résultat n’est pas dû seulement aux fluctuations
d’échantillonnage, et que l’hypothèse nulle H0 doit être rejetée. Le risque choisi au départ est
celui de donner une réponse fausse lorsque les fluctuations d’échantillonnage sont seules en
cause. Le rejet est évidemment une réponse négative dans les tests d’adéquation et
d’homogénéité mais il apporte une information positive dans les tests d’indépendance.
1.6.13.1.Test du χ2 d'adéquation
Le test du χ2 d’adéquation (dénommé aussi test du χ 2 de conformité ou test du χ2
d’ajustement) permet de vérifier si un échantillon d’une variable aléatoire Y donne des
observations comparables à celles d’une loi de probabilité P définie a priori dont on pense,
pour des raisons théoriques ou pratiques, qu’elle devrait être la loi de Y. L’hypothèse nulle (H0)
est donc la suivante : la variable aléatoire Y suit la loi de probabilité P.
En termes de valeur-p, l’hypothèse nulle (l’observation est suffisamment proche de la
théorie) est généralement rejetée lorsque p ≤ 0,05.
1.6.13.2. Test d'indépendance
Lorsqu'on considère plusieurs populations auxquelles on associe le même ensemble de
critères qualitatifs, l'hypothèse à tester est l'indépendance entre la population d'appartenance de
l'individu et la valeur des critères. L'hypothèse affirme donc que le fait de connaître la
population d'un individu n'influence pas la valeur des critères.
But du test
Le test d'indépendance du chi-carré vise à déterminer si deux variables observées sur un
échantillon sont indépendantes ou non. Les variables étudiées sont des variables qualitatives
catégorielles.
Ce test s'applique lorsqu'on souhaite démontrer l'indépendance ou la dépendance de deux
critères dans une expérience. Ce test s'effectue sur la base d'une table de contingence : plusieurs
échantillons pouvant être classés selon un certain nombre de colonnes (critère 1) et de lignes
(critère 2).
Objectif
Les observations de deux variables qualitatives faites sur un échantillon permettent de
juger l'indépendance de ces variables.

55 « Valeurs tabulées du χ2 » (http://www.cons -dev.org/elearning/stat/Tables/Tables.html#Table%202) [archive], sur Conservation et

développement durable.
 25

Méthode
La méthode consiste à comparer les effectifs réels des croisements des modalités des
deux variables qualitatives avec les effectifs théoriques qu'on devrait obtenir dans le cas
d'indépendance de ces deux variables.
On construit un indice d mesurant l'écart constaté entre les effectifs réels et les effectifs
théoriques.

Où nij = effectif observé des individus possédant la modalité i de la 1° variable et la

modalité j de la 2° variable ; n = effectif total observé ; pij = probabilité d'obtenir une
observation possédant la modalité i de la 1ère variable et la modalité j de la 2ème variable
lorsqu'elles sont indépendantes. npij = effectif théorique des individus possédant la modalité i
de la 1ère variable et la modalité j de la 2ème variable.

Statistique de test
On utilise la statistique

Où l est le nombre de modalités de la 1° variable (nombre de lignes du tableau de contingence)

et c est le nombre de modalités de la 2° variable (nombre de colonnes du tableau de
contingence)
Remarques:

Où ni. est l'effectif des individus possédant la modalité i de la 1° variable et n.j l'effectif
des individus possédant la modalité j de la 2° variable.
Elle représente une distribution de KHI-DEUX à 휐 = (푝 − 1)(푞 − 1). Au seuil d
signification 훼, on détermine dans la table de Karl PEARSON la valeur 휒�� (휈) telle que
푃[휒� > 휒�� (휈)] = 훼
La règle de décision à prendre est :
 26

Si 휒� ≤ 휒�� (휈), on accepte 퐻� c’est – à – dire que les pourcentages de réussites et les
années sont indépendants, sinon on rejette 퐻�
Le tableau suivant fournit les valeurs de certains quantiles de la loi du χ2 pour différents
degrés de liberté k. Pour chaque valeur de α, le quantile donné est tel que la probabilité pour
qu'une variable suivant une loi de χ2 à k degrés de liberté lui soit inférieur est de 1 – α. Par
exemple, pour 1 – α = 0,95 et k = 7, si X suit une loi de χ2 à 7 degrés de liberté, on lit dans la
table que56
Tableau n°1 : Table de valeurs des quantiles (Loi de KHI-DEUX)

56
(en) Edwin B. Wilson and Margaret M. Hilferty, The distribution of Chi-square, department of vital statistics,
Harvard school of public health, communicated November 6, 1931, p. 687
 27

CHAPITRE II :
PRESENTATION DU CHAMP D’INVESTIGATIONS ET DES
DONNEES
Nous rappelons que notre étude a pour champ d’investigation la ville de Kipushi dans ses
limites actuelles. Cette présentation porte premièrement sur ses aspects historiques,
géographiques et administratifs de la cité de Kipushi57 et deuxièmement nous allons présenter
le Complexe Scolaire TRESSILE tout en dressant une liste des écoles recensées à Kipushi.
2.1. PRESENTATION DU TERRITOIRE DE KIPUSHI
2.1.1. Historique.
Kipushi est un mot autochtone dérivé de fipushi qui signifie « courge », d’où le fait que la
ville soit connue sous le slogan Kipushi ya maboke, maboke ayant la même signification que
fipushi en kiswahili. Avec l’installation de la mine Prince Léopold58 installé au Sud-Ouest de la
mine de l’étoile d’Élisabethville (Lubumbashi) par l’union minière du Haut Katanga, la cité a
pris naissance autour de la mine. Les couleurs de l’emblème de la cité sont Vert- Blanc.
Kipushi se reconnait par sa tour d’environ 75 m de hauteur construite au-dessus de la mine de
Kipushi, tour connu sous le nom de Puits 5. La mine à une profondeur de 1 392 mètres et
actuellement a été cédée dans un partenariat GECAMINES et le groupe Ivanhoé et la société
commune constituée est KICO (Kipushi corporation).
En juin 2013, la localité se voit conférer le statut de ville, constituée de deux communes :
Katapula et Kipushi59. Ce statut ne sera pas maintenu lors de la réforme administrative mise en
place en 2015.
2.1.2. Aspects géographiques.
Kipushi est une entité territoriale déconcentrée créée le 17 juillet 1956 par l’ordonnance
loi n°21/213. Outre l’antenne de Kipushi (ex cité de Kipushi), le territoire s’étend sur deux
chefferies et un secteur (les chefferies de Kaponda, Kinama et le secteur de Bukanda). Il est
limité au nord par le territoire de Kasenga, au Sud par le territoire de Sakania et République de
Zambie, à l’Est par la République de Zambie et à l’Ouest par le territoire de Kambove.
Située tout proche de la frontière avec la Zambie. L'activité principale de la cité est
l'industrie minière. Kipushi figure parmi les grands centre de productions de Gécamines avec

57 CENI, Répartition des sièges pour les élections [archive], 2018

58 Source : Rapport annuel 2009 de l’Administration du Territoire
59 euromin.w3sites.net/Nouveau site/gisements/Congo/GISCONf.htm
 28

Lubumbashi, Likasi, Kambove et Kolwezi et desservie par la route nationale 37 à 30 km au

sud-ouest du chef-lieu provincial Lubumbashi.
Les limites de la ville de Kipushi sont60 : au Nord, le ruisseau Mukulubwe jusqu’à la
crête avec la frontière sud de la République de Zambie ; au Sud, une ligne droite jusqu’à la
frontière avec la Zambie ; à l’Est, le ruisseau Mimbulu à la limite Nord-Ouest du groupement
Kaponda ; à l’Ouest, la frontière Est de la Zambie avec la République Démocratique du Congo.
Coordonnées géographiques ou mesurages longitudinaux.
27°00’ – 28°10’ longitude Est,
10°45’– 12°30’ latitude Sud,
1300 m d’altitude moyenne.
2.1.2.1. Climat.
Kipushi jouit d’un climat tropical. La pluviométrie annuelle moyenne durant les 15
dernières années est de 1.260 mm. La température moyenne annuelle est d’environ 19, 8°C.
2.1.2.2. Hydrographie.
Le territoire est arrosé par plusieurs rivières et ruisseaux dont la rivière Kafubu d’une
longueur d’environ 135 Km qui prend sa source dans le village Shimpauka du groupement
Inakiluba (chefferie Kaponda) parcourant le territoire de l’Ouest à l’Est, et se jetant dans la
rivière Luapula au village Kanga de la chefferie Kinama (l’un des sites touristiques du
territoire). Les principaux cours d’eau sont : Bwishibila, Munama, Musoshi, Kafubu,
Kifumanshi, Kiswishi et Luapula.
2.1.2.3. Végétation.
La végétation rencontrée dans le territoire de Kipushi est généralement une forêt claire ;
le couvert végétal est peuplé en majorité par des espèces de familles de graminées et de
légumineuses.
2.1.2.4. Sol.
Le territoire a généralement un sol sablo-argileux et constitue la ceinture verte de la ville
de Lubumbashi. Ainsi, la forêt constitue une particularité et richesse propre au territoire
contenant une grande partie de la forêt claire dite « forêt claire de Miombo ». Un grand nombre
des populations rurales utilisent quotidiennement les produits dumiombo pour générer de
l’énergie (charbon de bois et bois de chauffage), se soigner (plantes médicinales), se nourrir
(produits forestiers non ligneux : fruits, champignons, miel, etc.). Certaines espèces sont
également utilisées en menuiserie et en construction.

60 Décret n° 13/028 du 13 juin 2013 [archive], conférant le statut de ville à certaines agglomérations
 29

Le territoire de Kipushi constitue l’un des territoires de la province du Haut-Katanga les

plus riches en réserve minière ; son sous-sol dispose d’énormes réserves en cuivre, cobalt,
étain, uranium, etc.
2.1.3. Education.
Le territoire de Kipushi dispose d’une seule sous-division : la sous-division de Kipushi,
ayant sous sa gestion les écoles maternelles, primaires et secondaires, tant privées que
publiques de l’antenne de Kipushi, du Secteur Bukanda et des chefferies Kaponda et Kinama.
Plus de 60% d’effectifs d’écoles, élèves et enseignants sont localisés dans la cité de
Kipushi ; et où la qualité de l’enseignement est globalement normale et des infrastructures
scolaires moyennement en bon état. Le territoire de Kipushi dispose de trois établissements
d’enseignements supérieurs, l’Université du CEPROMAD (UNIC en sigles) ; l’UPA et l’ISPT
Deux ONG internationales (World Vision et IRC) œuvrent actuellement dans le territoire de
Kipushi. World Vision intervient surtout dans le forage des puits ; alors que IRC intervient
dans la construction de marchés et autres infrastructures.
2.1.4. Organisation administrative.
Kipushi est une entité urbano-rurale de la Province du Katanga, situé dans le District du
Haut-Katanga. Il comprend : une cité, deux chefferies : Kaponda et Kinyama et le secteur de
Bukanda. Les deux chefferies sont subdivisées en cinq groupements : Kaponda, Inakiluba,
Dilanda, Shindaika, Kasongo, Kinyama, Kiwele et Yombwe. Ces cinq groupements forment
deux villages. Enfin, la cité est constituée de six quartiers qui sont : Kamalenge, lieu où est
implantée le Complexe Scolaire Tressile, Kalubamba, Lumumba, Uhuru, Kachoma et Mungoti.
Le recensement de la population date de 1984, l'accroissement annuel est estimé à 3,88 en
201261.
Tableau n°2 : Eléments démographiques

1984 2004 2012

53 207 97 981 132 861

Comme Chef-lieu de territoire de 49 491 électeurs recensés en 2018, la localité a le statut

de commune rurale de moins de 80 000 électeurs, elle compte 7 conseillers municipaux en
201962.

61Rapport annuels du territoire de Kipushi.

57« Décret (no) 13/020 du 13 juin 2013 conférant le statut de ville et de commune à certaines agglomérations de la Province du Katanga »,
Journal officiel de la République démocratique du Congo, première partie no spécial, 20 juin 2013
 30

2.2. LES ECOLES DE KIPUSHI

Dans cette partie du travail, nous voulons dresser une liste de toutes les écoles de la sous-division de l’EPST/Kipushi en y enlevant les
écoles de la périphérie et nous essayerons de faire une simple comparaison entre les écoles privées et les écoles publiques63.
Tableau n° 3 : Les écoles publiques primaires

Effectifs
N° Ecole Régime de gestion Promoteur Adresse
G F TOT
1 BUMI ENC Etat congolais Kanyemesha 225 242 467
2 IMANI ECP Coordination Garengaze Inakiluba 4 594 587 1181
3 KABWE ECC Coordination catholique Du 24 Novembre 2 575 503 1078
4 KIPUSHI ENC Etat congolais Du 30 Juin 713 687 1400
5 LENGWE ECP Coordination Protestante Petit manono 9 475 379 854
6 MAPENDO ECC Coordination catholique Mobutu 1 436 436 872
7 MIMBULU ECA 7ème jour Coordination Adventiste Kipushi 4 373 327 700
8 MUKUBA ECP Coordination Méthodiste Mobutu 5 463 527 990
9 MUKULUBWE ENC Etat congolais Du 30 Juin 379 388 767
10 MWANGA ECC Coordination catholique Luapula/Betty 507 460 967
11 NURU ECA 7ème jour Coordination Adventiste Kipushi 5 497 476 973
5237 5012 10249

63 Rapport statistiques de la sous-division de l’EPST-KIPUSHI, 2021-2022.

 31

Tableau n°4 : Les écoles privées primaires.64

Effectifs
N° Ecole Régime de gestion Promoteur Adresse
G F TOT
1 AMANI EPA Gécamines Lukuga/Lumumba 193 173 366
2 BONNE SEMENCE EPA M. MWAMBA Des écoles 4 290 307 597
3 CHRISTNOVIC EPA M. KANTENGA M’siri 106 84 90 174
4 DILUNGU 1 EPA Gécamines Likasi/Fungurume 183 201 384
5 DILUNGU 2 EPA Gécamines Du 24 Novembre 190 200 390
7 DON DE DIEU EPA Pst. MASENGO P. Lumumba 365 138 131 269
8 EBEN-EZER EPA Pst. MUTOMBO Kamarenge 616 203 217 420
9 ELIE AMSINI EPA Coord. Catholique Mwanza 207 266 473
10 ESPOIR EPA M. MALABA Camp maréchal 101 84 185
11 AIGLONS ROYAUX EPA M. KABILA Mungoti 143 126 169
12 EXCELLENCE EPA M. SAMMY Mungoti 92 76 168
13 FOSTEM EPA Lwalaba 144 143 287
14 HEWA BORA EPA Maison galeria 76 56 132
15 JESUS LE ROC EPA Eglise 47ème Moba 1 95 104 199
16 KATAPULA EPA Gécamines Kafubu/Dilolo 141 136 277
17 LA JOIE EPA Mr LULU Moseremala 84 90 174
18 LA VICTOIRE EPA Mme BIABENDA Tumbwe 2 211 185 396
19 LE REMPART EPA Kaponda/Ville 51 52 103
20 LE TRIOMPHE EPA Ankoro 47 33 80
21 LES ELITES EPA Pasteur Michel Lumumba 92 76 168
22 LES VAINQUEURS EPA Mr KAMULETE Kampemba 108 260 257 517
23 LUMIERE DE CHRIST EPA Eglise orthodoxe Mobutu 1 194 189 383
24 MNARA EPA Gécamines Kamarenge 650 98 83 181
25 MSAADA EPA Rue 1/416 45 40 85
26 NAJOTH EPA Mura 79 81 160
27 NOTRE DAME EPA Coord. Catholique Du 30 Juin 152 145 297
28 OUA 1 EPA Gécamines Dakar/Monrovia 114 87 201
29 OUA 2 EPA Gécamines Dakar/Monrovia 88 102 190

64
Idem rapport de statistiques Sous -division
 32

30 PERFECT EPA M. SAMBOMBI Onkoto 65 115 101 216

31 PETITS MARTYRS EPA Coord. Catholique 80 65 145
32 POPAUL MUTANDA EPA M. MUTANDA Mura/Kamina 49 30 79
33 SOURCE DE PAIX EPA Pasteur Michel Onkoto 66 108 94 202
34 Ste MARIE DE LOURDE EPA M. KABWAYI Anuarité 1 134 146 280
35 TRESILE EPA M. Trésor 300m Mitwaba 81 86 167
36 TUMAINI LETU EPA Eglise Malemba Du zaire 5 66 79 145
37 TUJIKAZE EPA Kalubamba 32 37 69
38 TUPENDANE EPA Manono 25 253 201 454
39 USABITI EPA Coord. Catholique Mokambo 1 203 226 429
4916 4795 9611

Tableau n°5 : Les écoles publiques secondaires.

Effectifs
N° Ecole Régime de gestion Promoteur Adresse
G F TOT
1 FURAHA ECC Coord. Catholique Du 24 Novembre 2 363 414 727
2 IMANI ECP Coordination. Garengaze Inakiluba 4 127 167 294
3 KIPUSHI ENC Etat congolais Du 30 Juin 60 271 262 533
4 MULUMBA LUKOJI ENC Etat congolais 349 421 700
5 NOTRE DAME ECC Coordination Catholique Du 3 Juin 60 48 50 98
6 NURU ECA 7e Jour Coordination adventiste Kipushi 4 121 85 206
1279 1399 2558

Tableau n°6 : Les écoles privées secondaires.

Effectifs
N° Ecole Régime de gestion Promoteur Adresse
G F TOT
1 ANUARITE EPA Coord. Catholique Kaponda 81 81
2 AIGLONS ROYAUX EPA M. KABILA Mungoti/Luvua 125 121 246
3 BINTI EPA Gécamines Monganga 161 161
4 BONNE SEMENCE EPA M. MWAMBA Des écoles 4 134 102 236
 33

5 CHRIST NOVIC EPA M. KANTENGA M’Siri 106 44 48 92

6 EBEN-EZER EPA Pst MUTOMBO Kamarenge 616 81 118 199
7 ESPOIR EPA M. MALABA Camp maréchal 50 44 94
8 EXCELLENCE EPA M. SAMMY Mungoti 124 120 244
12 LA VICTOIRE EPA Mme BIABENDA Tumbwe 2 243 207 450
13 LES VAINQUEURS EPA M. KAMULETE Kampemba 108 350 434 784
14 LUMIERE DU CHRIST EPA Coord. Orthodoxe Mobutu 1 69 71 140
15 MAPENDO EPA Coord. Catholique Mokambo 1 90 161 251
16 MAPENDO TECHN. EPA Coord. Catholique Mokambo 1 770 51 821
17 MSAADA EPA Rue 1/446 34 23 57
19 MUNGOTI EPA Gécamines Mobutu/Monganga 218 486 704
22 PERFECT EPA M. SAMBOMBI Onkoto 65 64 40 104
23 SOURCE DE PAIX EPA Pasteur Michel Onkoto 66 121 109 230
24 Ste MARIE DE LOURDE EPA M. KABWAYI Anuarité 1 30 31 61
25 TRESILE EPA M. TRESOR 300 m Mitwaba 126 82 208
26 TUMAINI LETU EPA Eglise MALEMBA Du Zair 5 142 97 239
27 TUTUMIKE EPA Gécamines Du 24 Novembre 370 19 389
28 USABITI EPA Coord. Catholique Mokambo 1 96 155 251
3156 2761 6042
Source : Rapport statistiques de la sous-division de l’EPST-KIPUSHI, 2021-2022.
 34

Tableau n°7 : Tableau synthétiques des écoles

Ecoles publiques Ecoles privées

Primaires Secondaires Primaires Secondaires
11 6 39 28
17 67
84

Tableau n°8 : Tableau synthétique des élèves

Ecoles publiques Ecoles privées

Primaires Secondaires Primaires Secondaires
G F G F G F G F
5237 5012 1279 1399 4916 4795 3156 2761
10249 2558 9611 6042
12 807 15 653
460
Source : Rapport statistiques de la sous-division de l’EPST-KIPUSHI, 2021-2022.

2.3. LE COMPLEXE SCOLAIRE TRESILE

Dans cette partie, nous présentons brièvement le complexe Scolaire TRESILE. Nous
avons pris soin de mettre en exergue l’aperçu historique, son statut juridique et missions,
structure et fonctionnement.
2.3.1. Aperçu historique.
Conformément à la loi cadre no 14/004 du 11 Février 2014 de l’enseignement national,
spécialement en son article 45 stipulant : « Toute personne physique ou morale, congolaise ou
étrangère qui présente les garanties civiques, juridiques, financières, matérielles, morales,
pédagogiques, andragogiques, administratives et environnementales définies aux articles 49 à
52 de la présente loi peut créer un établissement privé d’enseignement maternel, primaire,
secondaire ou professionnel. »
Le Complexe Scolaire TRESILE fut créé depuis l’année scolaire 2017 – 2018 par
Monsieur MBUYI KANYEMBA Trésor. Ce Complexe Scolaire est situé dans la cité minière
de Kipushi, dans le quartier Plateau et dans le nouveau lotissement, dans la province
éducationnelle du Haut-Katanga 1 et dans la sous-division de Kipushi.
Le Complexe Scolaire TRESILE est une école privée agréée. Voulant produire un travail
de qualité, le promoteur de cette institution éducative, toujours guidé par la vision de
 35

l’excellence, et aussi animé de ce souci de permettre aux familles nouvellement installées dans
le lotissement Plateau Kamalenge d’avoir accès à l’Education pour un bon développement
actuel, décide de créer ladite école afin de former l’élite congolaise. 65
2.3.2. Statut juridique et missions.
Conformément à la loi cadre no 14/004 du 11 Février 2014 de l’enseignement national,
spécialement en son article 56 stipulant : « L’agrément d’un établissement d’enseignement
maternel, primaire, secondaire et professionnel est subordonné à :
Une demande écrite adressée, sous peine de nullité, au Ministre du Gouvernement
central ayant l’enseignement maternel, primaire, secondaire et professionnel dans ses
attributions ou au Gouverneur de province ;
Une enquête dont les conditions sont définies aux articles 49 à 52 de la présente loi.
Il est sanctionné par un arrêté du Ministre du Gouvernement central ayant
l’enseignement maternel, primaire, secondaire et professionnel dans ses attributions ou du
Gouverneur de province. »
Le Complexe Scolaire TRESILE est une école privée agrée, membre du CEPACO
(Collectif des Ecoles Privées et Agréées du Congo) reconnue par l’arrêté ministériel
MINEPSP/CABMIN/2505/2017 du 21/12/2017 et encadré sous numéro Sernie 7-710651.
Les missions assignées au C.S. TRESILE par les articles 70, 72, 73 et 78 la loi cadre no
14/004 du 11 Février 2014 de l’enseignement national à savoir :
Article 70 : « L’enseignement maternel a pour but d’assurer l’épanouissement de la
personnalité de l’enfant par une action éducative en harmonie avec le milieu familial, social et
environnemental. Il concourt essentiellement à l’éducation sensorielle, motrice et sociale de
l’enfant et à l’éveil de ses facultés intellectuelles. Il le prépare à accéder à l’enseignement
primaire. »
Article 72 : « L’enseignement primaire assure une formation de base et générale. Il est
obligatoire et gratuit. Sa durée est de six ans. L’obligation scolaire non exécutée par les
parents ou tuteurs devenus défaillants se transmet aux pouvoirs publics à travers leurs
structures appropriées. »
Article 73 : « L’enseignement primaire a pour mission notamment de préparer l’enfant à
S’intégrer utilement dans la société en lui apprenant à lire, à écrire, à calculer et à
s’exprimer ;
Poursuivre des études ultérieures. »

65
Rapport de fin d’année 2017 – 2018
 36

Article 78 : « L’enseignement secondaire a pour but de faire acquérir à l’élève les

connaissances générales et spécifiques afin de lui permettre d’appréhender les éléments du
patrimoine culturel national et international. Il a pour mission de développer en l’élève l’esprit
critique, la créativité et la curiosité intellectuelle et de le préparer soit à l’exercice d’un métier
ou d’une profession, soit à la poursuite des études supérieures et/ou universitaires s’il en
manifeste l’intérêt et en a les aptitudes. »
2.3.3. Organigramme et fonctionnement
2.3.3.1. Organigramme

Source : Rapport de fin d’année 2017 – 2018

Les structures organisationnelles classiques sont multiples et dépendent de la volonté des

responsables, on analyse à ce niveau cinq types66 :

66 Y.F. LIVIAN : Introduction à l’analyse des organisations.

 37

2.3.3.2. La structure hiérarchique.

C’est une structure dans laquelle la relation d’autorité réalise la division du travail. Cette
structure est fondée sur une relation de supérieur à subordonné, elle peut aussi s’appeler
pyramidale.
Elle permet des communications rapides et une fixation claire des responsabilités de
chacun. Le C.S. TRESILE a opté pour cette structure hiérarchique comme type d’organisation.
2.3.3.3. Structure fonctionnelle.
C’est Taylor qui a conçu ce type de structure pour pallier les inconvénients de la structure
line, notamment celui qui correspond au manque d’organes spécialisés dans une tâche.
D’une manière générale, le terme de fonction désigne le rôle propre joué par un organe
(outil) dans un ensemble dont les parties sont interdépendantes, dans un être vivant ou une
machine par exemple. En gestion, la fonction correspond à une activité homogène particulière
(commerciale, technique, financière, de personnel, etc.) contribuant à la vie totale de la firme.
Les diverses fonctions de l’entreprise vont être utilisées comme critères de découpage
structurel et la coordination interviendra au sommet.
Cette structure très largement répandue, possède de nombreux partisans et présente des
avantages certains : elle définit clairement les responsabilités et permet la spécialisation des
individus (par la division du travail).
Ses inconvénients sont toutefois non négligeables : le temps consacré à la stratégie est
limité par l’importance prise par les décisions quotidiennes, la coordination est mal assurée et
les informations circulent parfois difficilement, plus le problème de motivation des employés.
2.3.3.4. Structure par division.
Elle est apparue au début du siècle aux USA. Le principe est de diviser l’entreprise en
unités autonomes spécialisées sur un domaine d’activités et ayant un large éventail de moyens
à leur disposition.
2.3.3.5. Structure Matricielle.
La structure matricielle consiste à combiner deux modes simultanément, ce qui revient à
créer deux hiérarchies : une structure dans laquelle coexisteraient des cellules fonctionnelles et
des cellules chargées du développement de certains produits ou projets, la coordination de
l’ensemble étant réalisé par une relation d’autorité double.
 38

L’organisation de la structure du C.S. TRESILE, est régie conformément aux

dispositions de la Loi-cadre n° 14/004 du 11 Février 2014 de l’enseignement national en ses
Article 126, 127 et 128 qui stipulent : 67
Article 126 : « L’administration de l’enseignement maternel, primaire, secondaire et
professionnel comprend l’administration centrale, provinciale et locale ainsi que la direction
de l’établissement. »
Article 127 : « Les organes d’administration de l’enseignement maternel, primaire,
secondaire et professionnel sont :
Le ministère du Gouvernement ayant l’enseignement dans ses attributions ;
Le ministère provincial compétent ;
Les entités territoriales décentralisées ;
Les structures de gestion des établissements publics conventionnés de l’enseignement
national ;
Le comité provincial ;
La commission provinciale ;
Le conseil de gestion scolaire de l’établissement ;
La direction de l’établissement scolaire ;
Le comité scolaire des parents ;
Le comité des élèves.
Leurs missions et rôles sont définis par voie réglementaire. »
Article 128 : « Les modalités de création, d’organisation et de fonctionnement ainsi que
les attributions des structures de gestion des établissements publics conventionnés de
l’enseignement maternel, primaire, secondaire et professionnel sont définis par un arrêté du
Ministre du Gouvernement central ayant ce secteur d’activités dans ses attributions. »

67
Rapport Statistique de la Sous-Division /EPST Kipushi
 39

2.4. PRESENTATION DES DONNEES

Les données concernent les performances obtenues dans les options des promotions de 5è des Humanités Techniques cycle long.
Tableau n°9 : Données statistiques du CS Tresile

ANNEES SCOLAIRES
2017 – 2018 2018 – 2019 2019 – 2020 2020 - 2021 2021 – 2022
Insc Réus Insc Réus Insc Réus Insc Réus Insc Réus
Electricité 23 18 25 19 27 25 24 19 22 18
Options / cycle

Mécanique générale 22 17 23 17 10 08 21 14 23 19
long

Mécanique Auto 18 13 19 12 21 14 23 15 14 10
Commerciale et gestion 27 15 28 19 27 22 29 21 20 12
Source : Palmarès du Complexe Scolaire TRESILE

2.4.1. Codification
Nous nous proposons de rabattre tous les effectifs de réussites du tableau n°1 des données brutes sur une même base de 100 afin que la
comparaison de ces différents résultats soit possible. Nous procédons comme suit : le nombre de réussite multiplié par 100 sur le nombre des
��
inscrits (Par exemple : Prenons l’option Mécanique Générale de l’année 2017 – 2018, inscrits 23, réussites 18, donc on aura ��
× 100 = 78

c’est-à-dire qu’il y a eu 78 réussites sur 100 élèves inscrits en Mécanique générale). Sont utilisé les abréviations suivantes : 퐴� (푗 =
1, 2, … , 5) 푒푡 푂� (푖 = 1, 2, … , 4) pour représenter respectivement les années et les options.
A1 : Année scolaire 2017 – 2018 O1 : Option Electricité
A2 : Année scolaire 2018 – 2019 O2 : Option Mécanique Générale
A3 : Année scolaire 2019 – 2020 O3 : Option Mécanique Auto
A4 : Année scolaire 2020 – 2021 O4 : Option Commerciale et Gestion
A5 : Année scolaire 2021 – 2022
Voici ci – dessous le tableau de données qui nous aiderons à faire l’analyse proprement dite :
 40

Tableau n°10 : Pourcentages de réussites

ANNEES SCOLAIRES
A1 A2 A3 A4 A5
O1 78 76 93 79 82
OPTIONS

O2 77 74 80 67 83
O3 72 63 67 65 71
O4 56 68 81 70 60
 41

CHAPITRE III : APPLICATION NUMERIQUE DE LA METHODE DE

REGRESSION SIMPLE ET DU TEST D’INDEPENDANCE DE DEUX
CARACTERES OU TEST DE KHI – DEUX 흌ퟐ

Considérons le tableau n°10 de pourcentages de réussites pour notre étude

ANNEES SCOLAIRES
A1 A2 A3 A4 A5
O1 78 76 93 79 82
OPTIONS

O2 77 74 80 67 83
O3 72 63 67 65 71
O4 56 68 81 70 60

Présentons graphiquement les effectifs (réussites) de chaque option afin de nous

permettre à ressortir le trend ou tendance croissante ou décroissante des réussites dans les
différentes options :
3.1. PRESENTATION GRAPHIQUE DES EFFECTIFS DES %
Echelle : 2 푐푚 = 20% pour les ordonnées
2 푐푚 = 1 푎푛푛é푒 푠푐표푙푎푖푟푒
Dispositif de calculs
X : Années scolaires de 1 à 5
Y1 : Droite de l’option « Electricité »
Y2 : Droite de l’option « Mécanique générale »
Y3 : Droite de l’option « Mécanique Auto »
Y4 : Droite de l’option « Commerciale et Gestion »
Tableau n°11 : Les variables explicatives (X) et les variables expliquées (Y)

Années scolaires (X) 1 2 3 4 5

Y1 78 76 93 79 82
OPTIONS (Y)

Y2 77 74 80 67 83
Y3 72 63 67 65 69
Y4 56 68 81 70 60

Pour déterminer la droite de régression de chaque option, on aura besoin :

De nombre d’années scolaires (Variable explicative) : 푛 = 5
 42

Du produit de la matrice des années x et de sa transposée x’ (variables explicatives) :68

푛(푛 + 1)
푛
(푥 �푥 ) = � 2 5 15
�=� �
푛(푛 + 1) 푛(푛 + 1)(2푛 + 1) 15 55
2 6
Du déterminant |푥′푥| = 5 ∗ 55 − 15 ∗ 15 = 275 − 225 = 50
55 −15
De La matrice adjointe pour déterminer la matrice inverse : 퐴푑푗 (푥′푥 ) = � �
−15 5
�� ��� (���) � 55 −15 1,1 −0,3
De la matrice inverse (푋 � 푋) = = � �=� �
|���| �� −15 5 −0,3 0,1
Les graphiques des pourcentages et de la droite de régression linéaire de chaque option
par la méthode de moindres carrés sont représentés comme suit :
3.1.1. Option « électricité »
Nous ne pouvons faire une étude statistique sans déterminer les sommes suivantes :
La somme des effectifs de pourcentages de Y1 est :
ퟒ

� 풚ퟏ풋 = ퟕퟖ + ퟕퟔ + ퟗퟑ + ퟕퟗ + ퟖퟐ = ퟒퟎퟖ
풊�ퟏ

La somme des carrés des effectifs de pourcentages de YI est :

ퟒ

� 풚ퟐퟏ,풋 = ퟕퟖퟐ + ퟕퟔퟐ + ퟗퟑퟐ + ퟕퟗퟐ + ퟖퟐퟐ = ퟑퟑ ퟒퟕퟒ

풊�ퟏ

La somme de produits de l’année xi et des effectifs des pourcentages d’Y1 est :

ퟒ

� 풙풊 풚ퟏ,풋 = ퟏ ∗ ퟕퟖ + ퟐ ∗ ퟕퟔ + ퟑ ∗ ퟗퟑ + ퟒ ∗ ퟕퟗ + ퟓ ∗ ퟖퟐ = ퟏퟐퟑퟓ
풊�ퟏ

Nous avons la matrice colonne de Y1 : 69

ퟒ

� 풚ퟏ,풋
⎛ ⎞ ퟒퟎퟖ
� 풊�ퟏ
풙 풚ퟏ = ⎜ ퟒ
⎟=� �
⎜ ⎟ ퟏퟐퟑퟓ
� 풙풊 풚ퟏ,풋
⎝ 풊�ퟏ ⎠
Pour trouver les paramètres de la droite de régression, nous multiplions la matrice
inverse des années par la matrice푥′푦� . Nous procédons comme suit :
��
훽 1,1 −0,3 408 78,3
훽� = ��� = (푥 �푥 )�� ∗ 푥 � 푦� = � �� �=� �
훽� −0,3 0,1 1235 1,1

68
MAKIADI NZUMBA J.M. et Cie, Maitriser les Maths 5, Edition LOYOLA, 2018, pp. 507 - 508
69
https://fr.wikipedia.org/wiki/Regression_linéaire
 43

Et la droite de régression est la suivante : 푦� = 78,3 + 1,1푥

Graphiquement nous avons la représentation suivante :

Evolution des résultats de l'Option Electricité

100
90
80
70
EFFECTIFS '%)

60
50
40
30
20
10
0
1 2 3 4 5
OPTION (Y) 78 76 93 79 82
PREVISION Y=AX+B 79,4 80,5 81,6 82,7 83,8
TEMPS

OPTION (Y) PREVISION Y=AX+B

Fig.3 : Evolution des résultats de l’option Electricité

Etude globale de paramètres de la droite montre que le carré moyen de l’erreur est une
estimation non biaisée de 흈ퟐ
�
�
푆퐶퐸� ∑ 푦�,� − 훽′푋′푌 33474 − 33304,9 169,1
휎 = 퐶푀� = = = = = 56,36666667
푢� 푛−푝 5−2 3
Trouvons aussi la variance des paramètres de données par cette formule :
푉(훽�� ) = 1,1 ∗ 56,36666667 = 62,003333333
푉�훽�� � = 퐶�� 훿� = �
푉�훽��� = 0,1 ∗ 56,36666667 = 5,636666667
Posons les hypothèses de validation
퐻�: 훽� = 0 퐻� ∶ 훽� ≠ 0
퐻� ∶ 훽� = 0 퐻� ∶ 훽� ≠ 0
Statistique de test est :
�훽���
푡��� = → 푡(푛 − 푝)
�푉�훽���

�훽��� 78,3
푡��� = = = 9,9438 > 푡�,�� (3) = 3,182
�푉�훽�� � √62,003333333
 44

�훽�� � 1,1
푡��� = = = 0,4633 < 푡�,�� (3) = 3,182
�푉�훽��� �5,636666667

D’où le paramètre 훽� est significatif dans le modèle car sa valeur est zéro.
�훽�� � 1,1
푡��� = = = 0,4633 < 푡�,�� (3) = 3,182
�푉�훽��� �5,636666667

On accepte H0 c’est-à-dire le coefficient 훽� est significativement égal à zéro. En

d’autres termes, la variable exogène X (années scolaires) n’influence significativement pas le
pourcentage de l'option "Electricité (Y1)"
 Interprétation du paramètre
La tendance de pourcentage de l’option « Electricité » est ascendante. Cela se montre
sur le graphique, et s’élucide par la droite de régression de ladite option.
Estimons le coefficient de détermination :70
�
�
푆푆퐸 푆푆푇 − 푆푆푅 ∑���(푦�� − 푦�)� �
∑���(푦� − 푦�� )�
푅 = = = � =1− �
푆푆푇 푆푆푇 ∑���(푦� − 푦�)� ∑���(푦� − 푦�)�
Ou par cette formule :
408
푆퐶퐸 훽 � �
푋 푌� − 푛푌��� 33304,9 − 5 ∗ ( 5 )� 12,1
푅� = = = = = 0,0667
푆퐶푇 �
푌 푌 − 푛푌� � � 408 181,2
33474 − 5 ∗ ( 5 )�

La variable temps explique à 6,67% la variabilité de pourcentage de l’option Electricité

et à 93,33% pour les autres variables non prises en considération.
3.1.2. Option « mécanique générale »
La somme des effectifs de pourcentages de Y2 est :
ퟒ

� 풚ퟐ풋 = ퟕퟕ + ퟕퟒ + ퟖퟎ + ퟔퟕ + ퟖퟑ = ퟑퟖퟏ
풊�ퟏ

La somme des carrés des effectifs de pourcentages d’Y2 est :

ퟒ

� 풚ퟐퟐ,풋 = ퟕퟕퟐ + ퟕퟒퟐ + ퟖퟎퟐ + ퟔퟕퟐ + ퟖퟑퟐ = ퟐퟗ ퟏퟖퟑ

풊�ퟏ

La somme de produits de l’année xi et des effectifs des pourcentages d’Y2 est :

ퟒ

� 풙풊 풚ퟐ,풋 = ퟏ ∗ ퟕퟕ + ퟐ ∗ ퟕퟒ + ퟑ ∗ ퟖퟎ + ퟒ ∗ ퟔퟕ + ퟓ ∗ ퟖퟑ = ퟏퟏퟒퟖ
풊�ퟏ

70
Idem wikipedia.org
 45

Nous avons la matrice colonne d’Y2 :

ퟓ

� 풚ퟐ,풋
⎛ ⎞ ퟑퟖퟏ
풊�ퟏ
풙� 풚ퟐ = ⎜ ⎟=� �
⎜ ퟓ ⎟ ퟏퟏퟒퟖ
� 풙풊 풚ퟐ,풋
⎝ 풊�ퟏ ⎠
Pour trouver les paramètres de la droite de régression, nous multiplions la matrice
inverse des années par la matrice푥′푦� . Nous procédons comme suit :
��
훽 1,1 −0,3 381 74,7
훽� = ��� = (푥 �푥 )�� ∗ 푥 �푦� = � �� �=� �
훽� −0,3 0,1 1148 0,5
Et la droite de régression est la suivante : 푦� = 74,7 + 0,5푥
Graphiquement nous avons la représentation suivante :

EVOLUTION DE POURCENTAGES DE L'OPTION MECANIQUE

GENERALE
90
80
70
60
EFFECTIFS (%)

50
40
30
20
10
0
1 2 3 4 5
OPTION (Y) 77 74 80 67 83
PREVISION Y=AX+B 75,2 75,7 76,2 76,7 77,2
TEMPS

OPTION (Y) PREVISION Y=AX+B

Fig. 4 : Graphique de l’évolution des pourcentages de l’option Mécanique générale

Etude globale de paramètres de la droite et montre que le carré moyen de l’erreur est
une estimation non biaisée de 흈ퟐ
�
푆퐶퐸� ∑ 푦�,� − 훽′푋′푌 29183 − 29034,7 148,3
휎 � = 퐶푀� = = = = = 49,433333333
푢� 푛−푝 5−2 3
Trouvons aussi la variance des paramètres de données par cette formule :
푉(훽�� ) = 1,1 ∗ 49,433333333 = 54,376666667
푉�훽�� � = 퐶�� 훿� = �
푉�훽�� � = 0,1 ∗ 49,433333333 = 4,943333333
 46

Hypothèses
퐻�: 훽� = 0 퐻� ∶ 훽� ≠ 0
퐻� ∶ 훽� = 0 퐻� ∶ 훽� ≠ 0
Statistique de test est :
�훽���
푡��� = → 푡(푛 − 푝)
�푉�훽���

�훽��� 74,7
푡��� = = = 10,6245 > 푡�,�� (3) = 3,182
�푉�훽��� √49,433333333

�훽�� � 0,5
푡��� = = = 0,2248 < 푡�,�� (3) = 3,182
�푉�훽��� √4,9433333333

D’où le paramètre 훽� est significatif dans le modèle.

�훽�� � 0,5
푡��� = = = 0,2248 < 푡�,�� (3) = 3,182
�푉�훽��� √4,9433333333

On accepte H0 c’est-à-dire le coefficient 훽� est significativement égal à zéro. En

d’autres termes, la variable exogène X (années scolaires) n’influence significativement pas le
pourcentage de l'option "Mécanique Générale (Y2)"
 Interprétation du paramètre
La tendance de pourcentage de l’option « Mécanique Générale » est ascendante. Cela
se montre sur le graphique par la droite de régression de cette option.
Estimons le coefficient de détermination :71
�
�
푆푆퐸 푆푆푇 − 푆푆푅 ∑���(푦�� − 푦�)� �
∑���(푦� − 푦�� )�
푅 = = = � =1− �
푆푆푇 푆푆푇 ∑���(푦� − 푦�)� ∑���(푦� − 푦�)�
Ou par cette formule :
381
푆퐶퐸 훽 � �
푋 푌� − ��� 29034,7 − 5 ∗ ( 5 )�
푛푌 2,5
푅� = = = = ∗ 100 = 1,65%
푆퐶푇 푌 푌 − 푛푌��
� � 381 �
29183 − 5 ∗ ( 5 ) 150,8

La variable temps explique à 1,65% la variabilité de pourcentage de l’option

Mécanique Générale et à 98,35% pour les autres variables non prises en considération.

71
Iderm. wikipedia.org
 47

3.1.3. Option « mécanique auto »

La somme des effectifs de pourcentages d’Y3 est :
ퟓ

� 풚ퟑ풋 = ퟕퟐ + ퟔퟑ + ퟔퟕ + ퟔퟓ + ퟔퟗ = ퟑퟑퟔ
풊�ퟏ

La somme des carrés des effectifs de pourcentages d’Y3 est :

ퟓ

� 풚ퟐퟑ,풋 = ퟕퟐퟐ + ퟔퟑퟐ + ퟔퟕퟐ + ퟔퟓퟐ + ퟔퟗퟐ = ퟐퟐ ퟔퟐퟖ

풊�ퟏ

La somme de produits de l’année xi et des effectifs des pourcentages d’Y1 est :

ퟓ

� 풙풊 풚ퟑ,풋 = ퟏ ∗ ퟕퟐ + ퟐ ∗ ퟔퟑ + ퟑ ∗ ퟔퟕ + ퟒ ∗ ퟔퟓ + ퟓ ∗ ퟔퟗ = ퟏퟎퟎퟒ
풊�ퟏ

Nous avons la matrice colonne de Y3 :

ퟓ

� 풚ퟑ,풋
⎛ ⎞ ퟑퟑퟔ
� 풊�ퟏ
풙 풚ퟑ = ⎜ ⎟=� �
⎜ ퟓ ⎟ ퟏퟎퟎퟒ
� 풙풊 풚ퟑ,풋
⎝ 풊�ퟏ ⎠
Pour trouver les paramètres de la droite de régression, nous multiplions la matrice
inverse des années par la matrice 푥′푦� . Nous procédons comme suit :
��
훽 1,1 −0,3 336 68,4
훽� = ��� = (푥 �푥 )�� ∗ 푥 �푦� = � �� �=� �
훽� −0,3 0,1 1004 −0,4
Et la droite de régression est la suivante : 푦� = 78,3 − 0,4푥
Graphiquement nous avons la représentation suivante :

Evolution des pourcentages de l'Option Mécanique Auto

74
72
70
EFFECTIFS (%)

68
66
64
62
60
58
1 2 3 4 5
OPTION (Y) 72 63 67 65 69
PREVISION Y=AX+B 68 67,6 67,2 66,8 66,4
TEMPS

OPTION (Y) PREVISION Y=AX+B

Fig.5 : Graphe de l’évolution des résultats de l’option Mécanique Auto

 48

Etude globale de paramètres de la droite et montre que le carré moyen de l’erreur est
une estimation non biaisée de 흈ퟐ
�
푆퐶퐸� ∑ 푦�,� − 훽′푋′푌 22628 − 22580,8 47,2
휎 � = 퐶푀� = = = = = 15,733333333
푢� 푛−푝 5−2 3
Trouvons aussi la variance des paramètres de données par cette formule :
푉(훽�� ) = 1,1 ∗ 15,733333333 = 17,733333333
푉�훽�� � = 퐶�� 훿� = �
푉�훽�� � = 0,1 ∗ 15,733333333 = 1,5733333333
Hypothèses
퐻�: 훽� = 0 퐻� ∶ 훽� ≠ 0
퐻� ∶ 훽� = 0 퐻� ∶ 훽� ≠ 0
Statistique de test est :
�훽���
푡��� = → 푡(푛 − 푝)
�푉�훽���

�훽��� 68,4
푡��� = = = 16,2428 > 푡�,�� (3) = 3,182
�푉�훽��� √17,733333333

�훽�� � 0,4
푡��� = = = 0,3188 < 푡�,�� (3) = 3,182
�푉�훽�� � �1,5733333333

D’où le paramètre 훽� est significatif dans le modèle.

�훽�� � 0,4
푡��� = = = 0,3188 < 푡�,�� (3) = 3,182
�푉�훽��� �1,573333333

On accepte H0 c’est-à-dire le coefficient 훽� est significativement égal à zéro. En

d’autres termes, la variable exogène X (années scolaires) n’influence significativement pas le
pourcentage de l'option "Mécanique Automobile "
 Interprétation du paramètre
La tendance de pourcentage de l’option « Mécanique Auto » est descendante. Cela
s’élucide sur le graphique par la droite de régression de l’option.
Estimons le coefficient de détermination :72
�
�
푆푆퐸 푆푆푇 − 푆푆푅 ∑���(푦�� − 푦�)� �
∑���(푦� − 푦�� )�
푅 = = = � =1− �
푆푆푇 푆푆푇 ∑���(푦� − 푦�)� ∑���(푦� − 푦�)�

72
Idem. Wikipedia.org
 49

Ou par cette formule :

336
푆퐶퐸 훽 � �
푋 푌� − 푛푌��� 22580,8 − 5 ∗ ( 5 )� 1,6
푅� = = � = = = 3,27%
푆퐶푇 �
푌 푌 − 푛푌� � 336 48,8
22628 − 5 ∗ ( )�
5
La variable temps explique à 3,27% la variabilité de pourcentage de l’option Electricité
et à 96,73% pour les autres variables non prises en considération.
3.1.4. Option « commerciale et gestion »
La somme des effectifs de pourcentages de Y4 est :
ퟓ

� 풚ퟒ풋 = ퟓퟔ + ퟔퟖ + ퟖퟏ + ퟕퟎ + ퟔퟎ = ퟑퟑퟓ
풊�ퟏ

La somme des carrés des effectifs de pourcentages d’Y4 est :

ퟓ

� 풚ퟐퟒ,풋 = ퟓퟔퟐ + ퟔퟖퟐ + ퟖퟏퟐ + ퟕퟎퟐ + ퟔퟎퟐ = ퟐퟐ ퟖퟐퟏ

풊�ퟏ

La somme de produits de l’année xi et des effectifs des pourcentages d’Y4 est :

ퟓ

� 풙풊 풚ퟒ,풋 = ퟏ ∗ ퟓퟔ + ퟐ ∗ ퟔퟖ + ퟑ ∗ ퟖퟏ + ퟒ ∗ ퟕퟎ + ퟓ ∗ ퟔퟎ = ퟏퟎퟏퟓ
풊�ퟏ

Nous avons la matrice colonne d’Y4 :

ퟓ

� 풚ퟒ,풋
⎛ ⎞ ퟑퟑퟓ
풊�ퟏ
풙� 풚ퟒ = ⎜ ⎟=� �
⎜ ퟓ ⎟ ퟏퟎퟏퟓ
� 풙풊 풚ퟒ,풋
⎝ 풊�ퟏ ⎠
Pour trouver les paramètres de la droite de régression, nous multiplions la matrice
inverse des années par la matrice푥′푦� . Nous procédons comme suit :
��
훽 1,1 −0,3 335 64
훽� = ��� = (푥 �푥 )�� ∗ 푥 �푦� = � �� �=� �
훽� −0,3 0,1 1015 1
Et la droite de régression est la suivante : 푦� = 64 + 푥
Graphiquement nous avons la représentation suivante :
 50

Evolution des résultats dans l'Option

Commerciale et Gestion
90
80
70
60
EFFECTIFS (%)

50
40
30
20
10
0
1 2 3 4 5
OPTION (Y) 56 68 81 70 60
PREVISION Y=AX+B 65 66 67 68 69
TEMPS

OPTION (Y) PREVISION Y=AX+B

Fig.4 : Graphe de l’évolution des résultats de l’option Commerciale et Gestion

Etude globale de paramètres de la droite et montre que le carré moyen de l’erreur est
une estimation non biaisée de 흈ퟐ
�
�
푆퐶퐸� ∑ 푦�,� − 훽′푋′푌 22821 − 22455 366
휎 = 퐶푀� = = = = = 122
푢� 푛−푝 5−2 3
Trouvons aussi la variance des paramètres de données par cette formule :
푉(훽�� ) = 1,1 ∗ 122 = 134,2
푉�훽�� � = 퐶�� 훿� = �
푉�훽�� � = 0,1 ∗ 122 = 12,2
Hypothèses (appelées hypothèse de nullité)
퐻�: 훽� = 0 퐻� ∶ 훽� ≠ 0
퐻� ∶ 훽� = 0 퐻� ∶ 훽� ≠ 0
Statistique de test est :
�훽���
푡��� = → 푡(푛 − 푝)
�푉�훽���

�훽�� � 64
푡��� = = = 5,5146 > 푡�,��(3) = 3,182
�푉�훽�� � √134,2

�훽�� � 1
푡��� = = = 0,2862 < 푡�,�� (3) = 3,182
�푉�훽�� � √12,2
 51

D’où le paramètre 훽� est significatif dans le modèle.

�훽�� � 1
푡��� = = = 0,2862 < 푡�,�� (3) = 3,182
�푉�훽�� � √12,2

On accepte H0 c’est-à-dire le coefficient 훽� est significativement égal à zéro. En

d’autres termes, la variable exogène X (années scolaires) n’influence significativement pas le
pourcentage de l'option "Commerciale et Gestion (Y4)"
 Interprétation du paramètre
La tendance de pourcentage de l’option « Commerciale et Gestion » est ascendante.
Cela s’élucide sur le graphique par la droite de régression.
Estimons le coefficient de détermination :73
�
�
푆푆퐸 푆푆푇 − 푆푆푅 ∑���(푦�� − 푦�)� �
∑���(푦� − 푦�� )�
푅 = = = � =1− �
푆푆푇 푆푆푇 ∑���(푦� − 푦�)� ∑���(푦� − 푦�)�

Ou par cette formule :

335 �
�
푆퐶퐸 훽� 푋 � 푌� − 푛푌��� 22455 − 5 ∗ ( 5 ) 10
푅 = = = = 푥100 = 2,65%
푆퐶푇 푌 �푌 − 푛푌��� 335 � 376
22821 − 5 ∗ ( 5 )

La variable temps explique à 2,65% la variabilité de pourcentage de l’option

Commerciale et Gestion et à 97,35% pour les autres variables non prises en considération.
3.2. TEST D’INDEPENDANCE DE DEUX FACTEURS
Khi deux et contribution au Khi deux
Nous utilisons les contributions individuelles par catégorie pour quantifier la quantité du
total des statistiques de Khi deux imputable à la différence de chaque catégorie entre les valeurs
observées et celles attendues. Nous calculons la contribution de chaque catégorie à la statistique
de Khi deux comme le carré de la différence entre les valeurs observées et attendues d'une
catégorie, divisé par la valeur attendue de cette dernière. La statistique du Khi deux est la somme
de ces valeurs pour toutes les catégories.

Interprétation

Les catégories dont la différence entre la valeur observée et la valeur attendue est
importante apportent une plus importante contribution à la statistique de Khi deux.

73
Idem. Wikipedia.org
 52

Valeurs observées et attendues

Les valeurs observées sont le nombre réel d'observations dans un échantillon qui
appartiennent à une catégorie.

Les valeurs attendues correspondent au nombre d'observations estimé en moyenne, si les

proportions du test étaient vraies.

Nous calculons les valeurs attendues en multipliant les proportions de test de chaque
catégorie par l'effectif total de l'échantillon.

Considérons le Tableau n°9 des valeurs observées et attendues (ou théoriques) en

pourcentage pour déterminer les totaux marginaux. Ce tableau regroupant les totaux
marginaux et de valeurs théoriques se nomme tableau de contingences.
Tableau n°12 : Tableau de contingences ou des valeurs observées et attendues

Années
A1 A2 A3 A4 A5 Total marginal
Options
Y1 78 76 93 79 82
408
79,08 78,52 89,70 78,52 82,15
Y2 77 74 80 67 83
381
73,85 73,32 83,76 73,32 76,72
Y3 72 63 67 65 69
336
65,12 64,66 73,87 64,66 67,66
Y4 56 68 81 70 60
335
64,93 64,47 73,65 64,47 67,45
Total marginal 283 281 321 281 294 1460

La valeur théorique 푉�� = 79,08 est déterminée par la relation suivante :

풏.풋 ∗ 풏. 푰
푽풕풉 =
푵
Où 푛� ∶ total en colonne et 푛� ∶ total en ligne, 푁 : total de toutes les observations.
 Test statistique
H�: Les années et pourcentages de réussites sont indépendants
H�: Ils ne sont pas indépendants
La statistique de test est :
 53

� � 푛� 푛� �
푁(푛�� − 푁 ) (69 − 79,08)� (76 − 78,52)� (60 − 67,45)�
휒� = � � = + +⋯+ = 6,47
푛� ∗ 푛� 79,08 78,52 67,45
��� ���

Cette distribution suit la loi de KHI DEUX 흌ퟐ

Degré de liberté (DL) : Le nombre de degrés de liberté du test d'ajustement du Khi deux
correspond au nombre de catégories moins 1.
Interprétation : Nous utilisons les degrés de liberté pour déterminer la valeur de p. Dans ces
résultats, le nombre de degrés de liberté (DL) est :
휈 = (푝 − 1)(푞 − 1) = (4 − 1)(5 − 1) = 12
Au seuil de 훼 = 0,05 dans la Table de la loi de khi-deux ou de Karl Pearson74
On pose ퟏ − 휸 = ퟎ, ퟎퟓ, on a donc 휸 = ퟏ − ퟎ, ퟎퟓ = ퟎ, ퟗퟓ. Dans la table, le quantile
d'ordre 0,95 de la loi du khi-deux avec 12 degrés de liberté se trouve donc à l'intersection de
la ligne ≪k = 12≫ avec la colonne ≪ 휸 = ퟎ, ퟗퟓ≫.
흌ퟐퟏퟐ,ퟎ.ퟎퟓ = ퟐퟏ, ퟎ.
 Règle de décision
Comme 흌ퟐ = ퟔ, ퟒퟕ < 흌ퟐퟏퟐ,ퟎퟓ = ퟐퟏ, ퟎ
Au seuil de signification de 0,05 soit 5%, on accepte 퐻� qui dit que les fréquences des
pourcentages de réussites sont indépendantes des années scolaires. En d’autres termes, le taux
de réussite au CS TRESILE dans les options Electricité, Mécanique Générale, Mécanique
Auto et Commerciale et Gestion n’est pas fonction de temps ou de l’année scolaire. Ceci
confirme dans leur globalité le test sur la tendance des réussites.

74
Karl PEARSON, Test de KHI DEUX 휒 � : Table de la loi de Khi deux,
 54

CONCLUSION GENERALE
Les préoccupations de notre travail étaient axées sur l’analyse ou étude
statistique des options du cycle long afin de cerner la différence qui existe dans
la proposition de réussites entre les options techniques (Electricité, Mécanique
générale, Mécanique Auto et Commerciale et Gestion). A cet effet, le Complexe
Scolaire TRESILE a été considéré comme notre unité de base de cette analyse
afin d’évaluer le phénomène dans les classes de 5e des humanités techniques.
A l’issue de cette étude, le test de KHI DEUX a démontré qu’il existe
vraisemblablement l’indépendance entre les années scolaires et les pourcentages
de réussites de différentes options considérées. Le test de signification
individuel associé à la régression de chaque option démontre que les facteurs
temps (années scolaires) n’a pas d’influence significative sur les performances
ou les pourcentages de réussites de ces quatre options. Cependant, vu l’allure de
la droite de régression de ces options, l’option Electricité a une tendance
ascendante au taux de 6,67% par rapport aux trois autres.
La réussite des élèves dans les quatre options n’est donc pas dépendante du
temps. Les élèves réussissent nombreux dans l’option électricité car c’est une
option nouvellement introduite au programme national dans le territoire de
Kipushi et attire tant d’élèves garçons. Et cela est démontré et confirmé par nos
tests dont le coefficient de confiance est à 95%.
 55

BIBLIOGRAPHIE
I. DICTIONNAIRE
1. Dictionnaire de français monolingue, ed. 2002.
2. Dictionnaire Le Grand Larousse Illustré, Parus 2018.
3. Dictionnaire Universel, 2ème édition, éducef, Paris, 1988.
4. LAROUSSE illustré, Dictionnaire français, Paris, Ed. Larousse, 2009.
5. Le Grand Larousse illustré, Dictionnaire français, Paris 2018.
6. Vocabulaire de la philosophie, art. Statistique.

II. MEMOIRE
KASONGO WA LUYENGA, L’impact du management participatif dans la
gestion des institutions scolaires privées à Kipushi, cas du complexe scolaire
Eben-Ezer. Mémoire inédit, L2 Management, UPA/Kipushi, 2021 – 2022

SENZINGE KWILONDA Benjamin, Analyse statistique de l’évolution des prix

de produits pétroliers face aux taux de change dans la ville de Goma, cas de
l’essence de 2005 à 2008, Mémoire inédit, ISS / Goma, 2008 – 2009

III. OUVRAGES
1. Adrien-Marie LEGENDRE, Nouvelles méthodes pour la détermination des orbites
des comètes, Paris, F. Didot, 1805.
2. Alain DEGENNE, e a ; « Les usages du temps : cumuls d'activités et rythmes de vie :
Temps sociaux et temps professionnels au travers des enquêtes Emploi du
temps », Economie et statistique, nos 352-353, 2002.
3. BALLEY, G, La recherche en sciences humaines, Paris, éd. Universitaire, 1970
4. BERTHIER N.G.., Les techniques d'enquête en sciences sociales. Méthodes et
exercices corrigés, Paris, 4e éd. ARMAND COLIN, 2012
5. BINDUNGWA Ibanda M., Comment élaborer un travail de fin de cycle ? Contenu et
étapes, Lubumbashi, Ed. Médiaspaul, 2009.
6. COURNOT, Théorie des chances et des probabilités, IX, in LALANDE,
7. G.HENKIN e a, « Asymptotic behavior of solutions of the Cauchy problem for
Burgers type equations », in Journal de Mathématiques Pures et Appliqués, vol. 83,
no 12, December 2004.
8. Georges HOSTELET, Le Concours de l’analyse mathématique à l’analyse
expérimentale des faits statistiques, Paris, Hermann, 1937.
9. Gilbert SAPORTA, Probabilités, Analyse des données et Statistiques, Paris, Éditions
Technip, 2006.
10. GOULD D, J, Introduction à l'organisation, Kinshasa, éd Mont Noir, 1978.
11. J. TORRENS-IBERN, « Variété. Qu'est-ce que la statistique ? », Journal de la société
statistique de Paris, vol. 97, 1956.
12. Jean-Pierre FAVRE, Mathématiques de gestion, Digilex, 2009.
13. M. DUMAS, « Discussion sur la définition du mot « statistique » », in Journal de la
société statistique de Paris, vol. 97, 1986.
 56

14. MULUMBATI NGASHA, Manuel de Sociologie Générale, Lubumbashi, éd, Africa,

1981,
15. Olivier MARTIN, L'Enquête et ses méthodes : l'analyse de données quantitatives,
Paris, Armand Colin, 2005 ; 2009.
16. PIEL. J. Cité par KAZADI NGOME D1 son TFC, Pour une sociologie politique,
édition, seuil, Paris, 1974.
17. Pierre DAGNELIE, « Diversité et unité de la statistique », Paris, vol. 123, n° 2, 1982.
18. PINTO R. et M. GRAWITZ, Méthode en sciences sociales, Dalloz, Paris, 1976.
19. R. Palm et A.F. Iemma, « Quelques alternatives à la régression classique dans le cadre
de la colinéarité », in Revue de statistique appliquée, vol. 43, no 2, 1995.
20. Thierry FOUCART, « Colinéarité et régression linéaire », Mathématiques et sciences
humaines, vol. 1, no 173, 2006.
21. P.A. Cornillon et E. Matzner – Lober, Régression : Théorie et applications, Labo de
Statistique, Springer, Paris 2007
22. MAKIADI NZUMBA J.M. et Cie, « Maitriser les Maths 5e, Edition LOYOLA, 2018
23. BWANGA MUNKOKOLE J.M., « J’apprends les Maths 1, MédiasPaul, 2010
24. BATODISA et Cie, Maitriser la Statistique, Edition Cemm, Kinshasa, 2008

IV. WEBOGRAPHIE
https://fr.wikipedia.org/wiki/Régression_linéaire
https://fr.wikipedia.org/wiki/Test_de_KHI_DEUX
 57

TABLE DES MATIERES

EPIGRAPHE………………………………………………………………………..….…….I
DEDICACE…………………………………………………………………………………….…..…II
REMERCIEMENTS…………………………………………………………………………..…….III
LISTE DES SIGLES ET ABREVIATIONS………………………………………………….……IV
LISTE DES FIGURES ET TABLEAUX…………………...……………………………………….V

INTRODUCTION GENERALE ...................................................................................... 1

0.1. PRESENTATION, CHOIX ET INTERET DU SUJET....................................................................... 1
0.1.1. Sur le plan scientifique..................................................................................................................... 1
0.1.2. Sur le plan personnel........................................................................................................................ 1
0.2. ETAT DE LA QUESTION....................................................................................................................... 1
0.3. OBJET DU TRAVAIL.............................................................................................................................. 3
0.4. PROBLEMATIQUE................................................................................................................................. 3
0.5. HYPOTHESE ............................................................................................................................................ 3
0.6. METHODES ET TECHNIQUES........................................................................................................... 5
0.6.1. Méthodes ............................................................................................................................................ 5
0.6.1.1. Méthodes rationnelles. ......................................................................................................................6
0.6.1.2. Méthodes empiriques. .......................................................................................................................6
0.6.2. Techniques ......................................................................................................................................... 7
0.6.2.1. L’interview........................................................................................................................................7
0.6.2.2. Technique documentaire...................................................................................................................7
0.7. SUBDIVISION DU TRAVAIL................................................................................................................ 7
0.8. DELIMITATION DU TRAVAIL ........................................................................................................... 8
0.8.1. Le contour temporel.......................................................................................................................... 8
0.8.2. Le contour spatial.............................................................................................................................. 8

CHAPITRE I : CADRE CONCEPTUEL ET THEORIQUE .......................................... 9

CADRE CONCEPTUEL ....................................................................................................................................... 9
1.1. ETUDE ................................................................................................................................................... 9
1.2. STATISTIQUE ...................................................................................................................................... 9
1.3. REUSSITE ........................................................................................................................................... 13
1.4. INSTITUTION SCOLAIRE............................................................................................................... 14
PRESENTATION DU MODELE THEORIQUE ............................................................................................ 15
1.5. APERÇU DE LA DEMARCHE STATISTIQUE............................................................................. 15
1.5.1. Recueil des données ............................................................................................................................15
1.5.2. Pré traitement.....................................................................................................................................15
1.5.3. Traitement des données......................................................................................................................15
1.5.4. Étude d'une seule variable..................................................................................................................16
1.5.5. Étude de plusieurs variables...............................................................................................................16
1.5.6. Interprétation et analyse des données.................................................................................................16
1.6. PRESENTATION THEORIQUE...................................................................................................... 17
1.6.1. Principe de la régression.....................................................................................................................17
1.6.2. Analyse des facteurs ...........................................................................................................................17
1.6.3. Présentation formelle du modèle........................................................................................................17
1.6.4. Terminologie.......................................................................................................................................18
1.6.5. Modèle linéaire simple........................................................................................................................19
1.6.6. Droite de régression............................................................................................................................19
1.6.7. Principales hypothèses........................................................................................................................20
1.6.8. Normalité des termes d'erreur ...........................................................................................................20
 58

1.6.9. Hiérarchie des hypothèses ..................................................................................................................20

1.6.10. Estimation......................................................................................................................................21
1.6.11. Qualité de la prédiction..................................................................................................................21
1.6.12. Prévision statistique.......................................................................................................................22
1.6.13. Présentation de test d’indépendance de deux caractères ou de test du χ²......................................23

CHAPITRE II : .............................................................................................................. 27
PRESENTATION DU CHAMP D’INVESTIGATIONS ET DES DONNEES ............ 27
2.1. PRESENTATION DU TERRITOIRE DE KIPUSHI........................................................................ 27
2.1.1. Historique......................................................................................................................................... 27
2.1.2. Aspects géographiques.................................................................................................................... 27
2.1.3. Education. ........................................................................................................................................ 29
2.1.4. Organisation administrative........................................................................................................... 29
2.2. LES ECOLES DE KIPUSHI.................................................................................................................. 30
2.3. LE COMPLEXE SCOLAIRE TRESILE ............................................................................................ 34
2.3.1. Aperçu historique. ........................................................................................................................... 34
2.3.2. Statut juridique et missions. ........................................................................................................... 35
2.3.3. Organigramme et fonctionnement................................................................................................. 36
2.4. PRESENTATION DES DONNEES ..................................................................................................... 39
2.4.1. Codification...................................................................................................................................... 39

CHAPITRE III : APPLICATION NUMERIQUE DE LA METHODE DE

REGRESSION SIMPLE ET DU TEST D’INDEPENDANCE DE DEUX
CARACTERES OU TEST DE KHI – DEUX 흌ퟐ........................................................... 41
3.1. PRESENTATION GRAPHIQUE DES EFFECTIFS DES % .......................................................... 41
3.1.1. Option « électricité » ....................................................................................................................... 42
3.1.2. Option « mécanique générale » .................................................................................................... 44
3.1.3. Option « mécanique auto »............................................................................................................ 47
3.1.4. Option « commerciale et gestion »................................................................................................. 49
3.2. TEST D’INDEPENDANCE DE DEUX FACTEURS ........................................................................ 51

CONCLUSION GENERALE......................................................................................... 54
BIBLIOGRAPHIE ......................................................................................................... 55
I. DICTIONNAIRE......................................................................................................................................... 55
II. MEMOIRE ................................................................................................................................................... 55
III. OUVRAGES............................................................................................................................................. 55
IV. WEBOGRAPHIE.................................................................................................................................... 56

TABLE DES MATIERES .............................................................................................. 57