Académique Documents
Professionnel Documents
Culture Documents
I. Introduction
Les caractéristiques des distributions statistiques est un outil essentiel de comparaison, se
référant :
• à la tendance centrale (position),
• à la dispersion
• et à la forme (concentration).
Caractéristique de position ou de tendance centrale ceux sont :
– le mode,
– la médiane
– et les moyennes:
• Moyenne arithmétique
• Les autres moyennes
– Géométrique
– Harmonique
– Quadratique
II. Le Mode (Mo)
Le mode est la valeur (𝑀𝑜 = 𝑥 ) la plus fréquente de la variable, c'est-à-dire celle pour
laquelle :
– La fréquence est maximale, ou
– L’effectif est le plus grand.
1) Cas de la variable quantitative discrète
Le mode correspond à la valeur 𝑥 de la variable ayant la fréquence la plus élevée dans un
tableau statistique.
Exemple :
Soit la distribution statistique représentant le nombre de frères et sœurs des étudiants,
𝑥 𝑛
0 2
1 3
2 5
3 10
4 7
5 2
6 1
[𝒆𝒊 𝟏 ; 𝒆𝒊 [ 𝒏𝒊
[0 ; 5[ 60
[5 ; 10[ 120
[10 ; 15[ 200
[15 ; 20[ 20
[𝒆𝒊 𝟏 ; 𝒆𝒊 [ 𝑛 𝑎 ℎ = 𝑛 /𝑎
[100 ; 200[ 15 100 0,15
[200 ; 400[ 25 200 0,125
[400 ; 600[ 40 200 0,2
[𝟔𝟎𝟎 ; 𝟕𝟎𝟎[ 35 100 0,35
[700 ; 1000[ 20 300 0,067
La classe modale est [600; 700[ (et non pas [400; 600[ qui a 𝑛 = 40 le plus grand effectif)
car [600; 700[ correspond à ℎ = 0,35 le plus élevée.
hi 1
Pour déterminer la valeur du mode, On applique la formule : Mo e i -1 ai
hi -1 hi 1
hi 1 0, 067
donc Mo ei 1 ai 600 100 625,1
hi 1 hi 1 0, 2 0,067
Cela se fait sur l’histogramme. D’abord, on trace l’histogramme mais comme c’est une série
statistique quantitative continue avec amplitude de classe différents. Ainsi, on trace
l’histogramme pour les ℎ = . En joignant les sommets du rectangle le plus élevé et les
sommets du rectangle juste avant et le suivant, la projection sur l’axe des 𝑥 du point de
rencontre des diagonales obtenues (donne) la position de 𝑀𝑜 parmi les 𝑥 .
Remarque :
Le mode ne doit être retenu que s’il est unique (série unimodale). Lorsque la distribution est
multimodale, le mode perd toute signification.
III. La Médiane (Mé)
Définition :
La médiane est la valeur de la variable statistique qui partage la série statistique en deux
parties de total des effectifs égaux, en supposant au préalable que la distribution soit classée
par ordre de valeurs croissantes ou décroissantes de la variable.
Puisqu’on a sept termes, la médiane correspond à 10, car il y a trois valeurs à gauche de 10 et
trois valeurs à sa droite.
b) 2ème cas : nombre pair (𝟐𝒌) d’observations (𝒙𝒊 ) :
Si le nombre d’observations est pair 2𝑘, alors la médiane est donnée par l’intervalle médian
de borne inférieure la valeur 𝑘 è et de borne supérieure la valeur (𝑘 + 1)è de la série
statistique.
On prend comme médiane la moyenne (la centre de l’intervalle) des bornes de l’intervalle
médian.
Exemple :
Comme on est dans le cas discret et 9,5IN, on ne peut pas la prendre comme une vraie
médiane.
c) Méthode pratique de recherche de la médiane :
On cherche 𝑁/2 parmi les effectifs cumulés croissantes 𝑛 𝑐𝑐. SI cette valeur 𝑁/2 existe
parmi les 𝑛 𝑐𝑐 alors la médiane de cette série c’est la valeur moyenne de 𝑥 correspondante à
𝑁/2 et la valeur 𝑥 qui vient juste après 𝑥 , c.à.d. M é x k x k 1 . Sinon, 𝑁/2 n’existe
2
pas parmi les 𝑛 𝑐𝑐 alors la médiane est la valeur 𝑥 qui correspond l’effectif qui vient juste
après la valeur 𝑁/2. Ainsi la médiane dans ce cas est : 𝑀é = 𝑥
𝑥 𝑛 𝑛 𝑐𝑐
1 1 1 𝑵/𝟐 = 𝟐𝟎/𝟐 = 𝟏𝟎 cette valeur
3 3 4 n’existe pas parmi les 𝑛 𝑐𝑐.
5 7 11 Alors la 1ère valeur d’effectif qui la
7 3 14 dépasse est 11
9 6 20
𝑁 = 20
On a 𝑁/2 = 11/2 = 5,5 cette valeur n’existe pas parmi les 𝑛 𝑐𝑐.
Alors la 1ère valeur d’effectif qui la dépasse est 11, ainsi la médiane est la valeur de 𝑥 = 5 qui
de cet effectif 11 c.à.d. 𝑀é = 5.
Exemple : 𝑵/𝟐 n’existe pas parmi les 𝒏𝒊 𝒄𝒄
Soit la série statistique suivante :
𝑥 𝑛 𝑛 𝑐𝑐
5 1 1
6 2 3 𝑵/𝟐 = 𝟏𝟏/𝟐 = 𝟓, 𝟓 n’existe pas
8 1 4 parmi les 𝑛 𝑐𝑐.
9 1 5 Le 1er effectif qui dépasse 𝑵/𝟐
10 3 8 est 8
11 1 9
12 1 10
13 1 11
𝑁 = 11
On voit que la médiane est presque égale à la valeur trouvée algébriquement 71,33.
[𝒆𝒊 𝟏 , 𝒆𝒊 [ 𝑛 𝑛 𝑐𝑐 𝑛 𝑐𝑑
[40, 50[ 12 12 100
[50, 60[ 14 26 88
[60, 70[ 20 46 74
[70, 80[ 30 76 54
[80, 90[ 14 90 24
[90,100[ 10 100 10
N=100
k
1
D’où x
N
n x
i 1
i i .
Exemple :
Soient les notes d’un groupe de 30 étudiants :
𝑥 𝑛 𝑛𝑥 𝑓 𝑓𝑥
7 4 28 0,133 0,931
8 5 40 0,167 1,336
9 6 54 0,2 1,8
13 7 91 0,233 3,029
14 6 84 0,2 2,8
15 2 30 0,067 1,005
Total 𝑁 = 30 327 ∑𝑓 = 1 10,901
k
1 1
La moyenne de ce groupe est : x
N
n x
i 1
i i
30
327 10, 9
k
Autrement calculée : x f i x i 10, 901 10,9
i 1
1
𝑥̅ = 𝑛𝑐
𝑁
où 𝑐 représente les centre des classes.
Exemple :
L’âge des salariés d’une entreprise est distribué comme suit :
[𝒆𝒊 𝟏 ; 𝒆𝒊 [ 𝑛 𝑐 𝑛𝑐
[10 ; 20[ 2 15 30
[20 ; 30[ 15 25 375
[30 ; 40[ 33 35 1155
[40 ; 50[ 13 45 585
[50 ; 60[ 7 55 385
Total 𝑁 = 70 2530
k
1 1
On a : x
N
n c
i 1
i i
70
2530 36,14
𝑐 = 𝑐 = 650 ; le choix de cette valeur c’est mieux qu’elle s’est fait par le choix de la valeur
centrale des observations. On a 𝑥 = 𝑥̅ − 𝑐 donc 𝑥̅ = 𝑥 + 𝑐
1
Et d’autre part, on a x 6400 64
100
Alors x x c 3 64 650 714
n x
2
ii) La somme des carrées des écarts à 𝑥̅ est minimale, c'est-à-dire : i i x est
i 1
minimale.
Démonstration
k k k
i) En effet, ni x i x ni x i x ni N x x N 0
i 1 i 1 i 1
k
ii) En effet, Soit la fonction g ( x ) n i x i x
2
i 1
k k k k
On a : g ( x ) n i x i2 2 x i x x 2 n i x i2 2x n i x i x 2 n i
i 1 i 1 i 1 i 1
k k k k k
1
g ( x ) 2 n i x i 2x n i 0 x ni n i x i x n x i i x
i 1 i 1 i 1 i 1 N i 1
2) Moyenne géométrique G
Elle est égale à la racine 𝑁 è du produit des 𝑘 valeurs d’une série statistique.
a) Cas d’une série simple :
N
Tous ses 𝑁 valeurs sont d’effectifs égaux à 1, alors : G N
x
i 1
i N x1 x 2 L x N
1 N 1 N
log G log x i donc log G log x où i on a supposé que
N i 1 N i 1
x i 0; i 1,L , N
b) Cas d’une série pondérée :
1 N 1 N
en effet, log G log x ini log x ini
N i 1 N i 1
N N N
1 n
n i log x i i log x i f i log x i
N i 1 i 1 N i 1
k 1 k k
Ainsi, log G log x i f i
i 1
N
ni log(x i ) f i log(x i )
i 1 i 1
Remarque 2 :
La moyenne géométrique est utilisée pour le calcul des taux d’accroissements moyens, des
moyennes de coefficients multiplicateurs…c'est-à-dire, dans les cas où la variable représente
des variations cumulatives.
Exemple 1 :
Calculer la moyenne géométrique de la distribution de fréquence suivante :
𝑥 𝑛
1 2
2 5
3 3
N = 10
On peut utiliser des logarithmes népériens ou décimaux sans changer le résultat de 𝐺.
k
1
Alors en utilisant les logarithmes décimaux à travers la formule log G
N
n
i 1
i log(x i ) ,
1 k
N ni log( x i )
ainsi la moyenne géométrique sera G 10 i 1
:
k
1 1
Alors, on a : log G
N
n
i 1
i log(x i )
10
2, 9363 0, 29363
1 k
N ni log( x i )
Donc G 10 i 1
100,29363 1,97
Exemple 2 :
Le chiffre d’affaire d’un projet a produit les augmentations annuelles suivantes :
Année Augmentation en %
1ère année 4%
2ème année 6%
3ème année 6%
4ème année 6%
5ème année 5%
6ème année 5%
L’augmentation moyenne annuelle est une moyenne géométrique :
3) Généralisation de la moyenne :
L’expression de la moyenne peut se généraliser de plusieurs manières, une d’entre elles est ce
que l’on appelle la moyenne d’ordre 𝑟, notée 𝑀 , définie par :
1
k
k
r k
(M r ) r f i c ir M r f i c ir M r r
f i c ir
i 1 i 1 i 1
k
Ainsi, la moyenne arithmétique est un cas particulier avec 𝑟 = 1, c'est-à-dire M 1 f i c i
i 1
Donc 𝑀 = 𝑥̅ .
On peut montrer que 𝐺 = 𝑀 par passage à la limite et par des théorèmes pratiques de
dérivation des fonctions.
1
k
En effet, on a : G M 0 lim M lim f i c i .
0 0
i 1
4) Moyenne harmonique H :
Remarque :
La moyenne harmonique se calcule pour des valeurs de la variable 𝑋 non nulles et elle n’a de
1
signification concrète que si l’inverse de la valeur 𝑥 a un sens.
xi
Elle est utilisée pour le calcul des moyennes de pourcentages, de ratios et de rapports, de même
que pour l’étude du pouvoir d’achat (inverse du mouvement général des prix), etc.
5) Moyenne quadratique 𝑸 :
k
1
La moyenne généralisée d’ordre 𝑟 = 2 s’appelle la moyenne quadratique : Q
N
n x
i 1
i i
2
1
k 2 k
ni
Car, Q M 2 f i x i2 N x i2
i 1 i 1
N
1
Pour une série statistique simple, la formule de la moyenne quadratique est : Q
N
x
i 1
i
2
Exemple :
Calculons 𝑄 de la série suivante :
𝒙𝒊 𝒏𝒊 𝑥 𝑛 ∙𝑥
2 7 4 28
4 10 16 160
5 20 25 500
7 30 49 1470
9 15 81 1215
10 10 100 1000
11 8 121 968
𝑁 = 100 5341
N
1 1
Ainsi, la moyenne quadratique est : Q
N
x
i 1
i
2
100
5341 7,31
Remarque :
On peut montrer que les moyennes généralisées d’ordre r d’une même série statistique
vérifient :
si 𝑝 𝑞 alors 𝑀 𝑀
ainsi 𝑀 𝑀 𝑀 𝑀
c'est-à-dire 𝐻 𝐺 𝑥̅ 𝑄