05/10/2023

Objectifs éducationnels
1. Définir l’épidémiologie
2. Déduire les différents types d’études épidémiologiques
3. Identifier les mesures de fréquence en épidémiologie
4. Analyser les indicateurs de morbidité et de mortalité
5. Discuter les différents types de variables
6. Distinguer les différents types de présentations des statistiques
descriptives
7. Maîtriser le calcul des paramètres statistiques de base
Dr Hela GHALI 8. La définition de la population cible et source
Service de Prévention et Sécurité de Soins 9. Le choix d'une méthode d'échantillonnage, avantages et inconvénients
CHU SAHLOUL 10. La détermination de la taille de l'échantillon.

Epidémiologie ?
 Définition :
« c’est la discipline qui étudie la dynamique des
phénomènes de santé dans les populations dans le
but de mettre en évidence les facteurs qui les
déterminent ainsi que le rôle de ces facteurs et de
mettre en œuvre les mesures de correction
appropriées »
Selon D. Scwartz
Epidémiologie ?
 Elle est donc à la fois descriptive et analytique
 Cette discipline s’applique :
 À des populations entières ou à des sous-groupes de
population (enfants, personnes âgées, femmes
enceintes, groupes vulnérables …etc)
 Elle s’appuie sur la pratique d’enquêtes (+++ sur des
échantillons)
 Selon l’objectif  enquêtes descriptives ; enquêtes
étiologiques (analytiques)

1
 05/10/2023

Epidémiologie : types Epidémiologie : types

1 Etudes épidémiologiques descriptives
Objectifs
 Identifier les problèmes de santé
 Mesurer l’ampleur des problèmes
1 Etudes épidémiologiques descriptives
 Mesurer l’ampleur d’un phénomène de santé :
 Quel est le problème ?
 Quelle est sa fréquence ?
 Quelle population ? (critères de personne)

 Identifier les groupes à risque élevé  Où ? (critères de lieu)

 Quand ? (critères de temps)

Epidémiologie : types Epidémiologie : types

1 Etudes épidémiologiques descriptives 2- Etudes épidémiologies étiologiques (analytiques)
 Deux types :
 Les enquêtes transversales : mesurent à un instant  Elle participent à la recherche des causes des maladies
donné la fréquence d’une maladie (prévalence) par la mise en évidence d’une relation entre la survenue
d’une maladie et une exposition.
 Les enquêtes longitudinales : mesurent le nombre de  Elles sont de deux types :
nouveaux cas d’une maladie pendant une période
 Les enquêtes expérimentales
déterminée (incidence).
 Les enquêtes d’observation
La surveillance épidémiologique consiste à recueillir les
données d’une façon continue et pérenne.

2
 05/10/2023

Epidémiologie : types Epidémiologie : types

2- Etudes épidémiologies étiologiques (analytiques) 2- Etudes épidémiologies étiologiques (analytiques)

 Les enquêtes expérimentales :  Les enquêtes d’observation :

 L’investigateur contrôle les facteurs d’exposition (ex : les  L’investigateur: recherche une relation entre la survenue
études d’efficacité vaccinale). d’une maladie et une exposition antérieure « naturelle »
 La méthodologie se rapproche des essais cliniques : qu’il ne contrôle pas.
comparaison différents traitements entre des groupes de  Deux types:
patients traités  Enquêtes cas-témoins
 Enquêtes de cohorte

Epidémiologie : types
2- Etudes épidémiologies étiologiques (analytiques)

 Quel que soit leur type : Mesures en épidémiologie

 Enquêtes rétrospectives : explorent les données
recueillies dans le passé

 Enquêtes prospectives : recueillir des données dans le

futur

3
 05/10/2023

Mesures de base Mesures de base

1- Taux
1 Taux
 Un taux mesure la probabilité de survenue d’un
2 Proportion évènement au cours du temps
3 Ratio  Numérateur : individus ayant subi un évènement
pendant une période de temps
4 Indice  Dénominateur : ensemble des individus susceptibles
de connaitre l’évènement pendant cette période

Mesures de base Mesures de base

1 Taux 1 Taux
 Taux de morbidité
 Taux de mortalité
 Exemple : taux de mortalité / cancer en Tunisie

 C’est la vitesse de transfert d’un état non malade
(survie) à un état malade (décès)
Nombre d’évènement /période
Population à risque durant cette période
Nombre de décès/cancer en 2022
x 100 000
Population tunisienne en 2022

4
 05/10/2023

Mesures de base Mesures de base

2- Proportion
 Est utilisée :
 Soit pour des caractères stables :
 Ex : parmi 150 personnes, 75 sont de sexe masculin 
proportion sexe masculin = 75/150 = 50%
 Soit pour les mesures instantanées
 Ex : parmi 1000 travaillants : 50 avaient une anémie 
proportion des anémiques = 50/1000 = 5%
 Le numérateur est une part du dénominateur: P a/(a+b).
 Numérateur et dénominateur sont de même nature
3- Ratio
 C’est un rapport : numérateur et dénominateur sont des
effectifs de deux classes d’une même variable qualitative
 deux entités de même nature mais exclusives l’une de
l’autre
 Ex 1 50 personnes : 20 hommes ; 30 femmes
sex ratio (M/F) est de 20/30 = 0,65
 Ex 2 : 200 femmes ayant le cancer du sein
stade 1 = 50 ; stade 2 = 120 ; stade 3 = 10 ; stade 4 = 20
Ratio stade 1/stade 4 = 50/20 = 2,5

Mesures de morbidité
Mesures de base
4- Indice 1 Incidence
 Tous les rapports qui ne peuvent être classés comme
taux, proportion ou ratio 2 Prévalence
 Ex : habitants / médecins

5
 05/10/2023

Mesures de morbidité Mesures de morbidité

1 Incidence
1 Incidence
Par définition c’est :
 Le taux d’attaque : incidence cumulée de la maladie
pendant la durée d’une épidémie
 Le nombre de nouveaux cas observés / période de temps
 Unité = cas/temps
 Ex : 160 nouveaux cas de cancer de sein/an
 Densité d’incidence :
 Incidence cumulée : Nombre des nouveaux cas pendant une période Δt
Nombre des nouveaux cas pendant une période Δt Personne-temps = somme des durées individuelles
Population à risque pendant la période Δt de participation

Mesures de morbidité Mesures de morbidité

2- Prévalence
2- Prévalence
Par définition c’est :
 Elle peut être calculée autrement
 Le nombre total de cas observés dans une population
déterminée à un moment précis dans le temps P=IxD
 Ex : nombre de cas de SIDA/Tunis le 1er janvier 1998 I = incidence de la maladie
prévalence instantanée D = durée moyenne de la maladie
 Ex : I (M) = 100 cas/an
 Prévalence: Durée (M) = 3,4 ans
Nombre total de cas observés à un instant donné  P = 100 x 3,4 = 340 cas

Population dont sont issus les cas

6
 05/10/2023

Mesures de mortalité
Mesures de mortalité
1 Mortalité Globale (Taux brut mortalité TBM) :
1 Mortalité globale Nombre total des décès pour une période Δt
Population totale (période Δt)
2 Mortalité spécifique
3 Mortalité proportionnelle  Ex :
Tous décès durant Δt
4 Létalité
x 1000 Hab
Population au milieu de Δt (effectif moyen)

Mesures de mortalité Mesures de mortalité

2- Mortalité spécifique 2- Mortalité spécifique
Age, Sexe, Maladie ……
 Ex 1 (âge) : TM infantile =  Ex 1 (âge) : TM spécifique chez âgés entre 25 – 34 ans =

Nombre décès : 0-11 mois/période Δt Nombre décès chez âgés 25 – 34 ans/période Δt

x 1000 x 1000
Effectif naissances vivantes/période Δt Population moyenne âgée de 25 – 34 ans/période Δt

7

Mesures de mortalité
2- Mortalité spécifique
 Ex 2 (maladie) : TM spécifique de la maladie (M) =
Nombre décès par la maladie / période Δt
x 1000
Population totale/période Δt
Mesures de mortalité
4- Létalité
 C’est la probabilité de décès parmi les cas
diagnostiqués
 Exprime le potentiel létal d’une maladie
Nombre décès/maladie /période
Nombre de cas malade/même période
05/10/2023
Mesures de mortalité
3- Mortalité proportionnelle
 Représente la part des décès dus à une cause donnée
sur l’ensemble de tous les décès observés dans une
population étudiée.
Nombre de décès dus à une maladie x 100
Nombre total de décès dans la population étudiée
  le poids relatif d’une maladie dans la mortalité
globale
Mesures de mortalité
4- Létalité
 Ex : 1000 nouveaux cas de cancer bronchique et 100
décès (une année de suivi)
Létalité = 100/1000 = 0,1
 La létalité n’a de sens que si on précise la durée de suivi
x 100  Relation entre mortalité/incidence et létalité : la
mortalité (M) dépend de l’incidence (I) et de la létalité
(L) d’une maladie :
M=IxL
8

Statistiques Descriptives
Définitions
 Statistiques : ensemble des méthodes qui permettent
de rassembler et d'analyser les données numériques
 Biostatistiques : statistiques appliquées à des
données biologiques et médicales
 Variable : caractéristique observée dont la valeur peut
différer à l’intérieur d’une population
05/10/2023
Objectifs éducationnels
1. Discuter les différents types de variables
2. Distinguer les différents types de présentations des
statistiques descriptives
3. Maîtriser le calcul des paramètres statistiques de
base
Analyse statistique
 Analyse "déductive" ou descriptive
 A pour but de résumer et de présenter les données
numériques observées et de dresser un portrait d’un
phénomène (statistiques descriptives).
 Analyse "inductive" ou inférence
 Permet d'étendre ou de généraliser (d’inférer), à partir
des données issues d’un échantillon, quelles sont les
caractéristiques d’une population dans certaines
conditions les conclusions obtenues (statistiques
inférentielles).
 Cette phase comporte certains risques d'erreur qui
peuvent être mesurés en faisant appel à la théorie des
probabilités.
9
 05/10/2023

Analyse inductive

Population
 Échantillon
 m, s, p

Population Unité statistique

 Ensemble des individus (ou unités statistiques) présentant un
 Élément de base constitutif de la population à laquelle
caractère commun. Pour une thématique donnée, la population
regroupe toujours la totalité des individus relatifs à cette
il appartient.
thématique (notion d'exhaustivité).
 Il est indivisible et peut être un individu, une école,
 La population est en général notée P et l'’effectif total d'une une classe, une ville, une délégation etc.
population est noté N.

10
 05/10/2023

Population
Echantillon Ensemble d’unités sur lesquelles on relève une
caractéristique
 Sous-ensemble construit et représentatif d'une
population donnée.
Échantillon
Une partie de la population
 Lorsque l'on parle d'échantillon on parle en
général de population mère, c'est-a-dire de la Représentatif
population dont est issu l'échantillon.

Différents types de variables aléatoires

 Une variable aléatoire est un caractère qui est susceptible de
varier d’un individu à l’autre, d’une unité expérimentale à
l’autre, d’un groupe à l’autre…
Comment résumer les caractéristiques
 Ce caractère est parfois quantifiable ou parfois uniquement
d’un large ensemble de données en 1
ou 2 paramètres ? qualifiable.

 1. Les variables de personnes :

 Les variables de personnes renvoient aux attributs anatomiques,
physiologiques, sociaux ou culturels. Les plus fréquemment considérées
sont l’âge, le sexe, l’état civil, les habitudes de vie, le statut
socioéconomique.
 Les variables de personnes permettent de répondre à la question « De qui
parle-t-on ? ».

43

11

Différents types de variables aléatoires
 2. Les variables de lieux :
 La fréquence d’une maladie peut varier selon les pays, la région ou
la situation géographique de la population (région rurale ou urbaine).
 Les variables de lieux permettent de répondre à la question « Où se
déroule les événements dont on parle ? ».
 3. Les variables de temps :
 Généralement, la fréquence d’une maladie varie avec le temps. La
durée est une caractéristique de la maladie qui permet de marquer sa
gravité et son évolution.
 Les variables de temps permettent de répondre à la question «
Quand l’événement est-il survenu ? ».
Classification des variables
 Qualitatives (catégorielles) : variable dont la valeur
réfère à différents niveaux de classification d’un attribut
 Nominal: Lorsque les modalités ne sont pas naturellement ordonnées. Elles
peuvent être à plusieurs modalités ou uniquement à deux modalités et dans ce
cas on parle de variables « dichotomiques ou binaires »
 Ordinal: Lorsque les modalités sont ordonnées
 Exemple :
 Classification en stades 1, 2, 3, 4 des patients atteints de la maladie de
Hodgkin. Les malades au stade 2 sont plus gravement atteints que ceux qui
sont classés au stade 1,
47
05/10/2023
Classification des variables
 Quantitatives : variable dont la valeur numérique
peut être mesurée objectivement
 Variables continues: Lorsque la variable peut en théorie
prendre une infinité de valeurs prises dans une série continue de
nombres réels,
 Variables discontinues ou discrètes: Lorsque la variable
ne peut prendre qu’un nombre fini de valeurs entières.
46
Variables quantitatives
 Continues
 Représentent la mesure d’une quantité.
 Exemple : Taille, Poids, résultat d’un dosage biologique ...
 Permettent les calculs arithmétiques (moyenne, écart type...)
 Discontinues ou discrètes :
 Donnent lieu à des dénombrements ou comptages.
 Les résultats s'expriment en nombres entiers non négatifs.
 Exemples : Nombre d'enfants dans une famille
12

Variables Qualitatives
 Elles concernent des caractères ou des attributs que
chacun des individus peut posséder ou non.
 Codées avec des classes mutuellement exclusives
 Deux types : variables nominales et ordinales
Variables qualitatives ordinales
 Données qualitatives exprimant des niveaux différents
ordonnés.
 Exemple:
 niveau d’études : primaire, secondaire, supérieur
 intensité d'une réponse (négatif, faiblement positif,
positif, très positif)
 Peu apte aux calculs. On préfère des données
quantitatives.
05/10/2023
Variables qualitatives nominales
• Les catégories ne sont pas ordonnées : Exemple : groupe sanguin
• Type le plus simple : variable binaire
Exemple : sexe
• Plus de deux classes :
Exemple : les catégories socioprofessionnelles
• Peut être décomposée en variables binaires
•Exemple : Couleur des cheveux (brun, blond, autre) décomposée en Brun
(oui, non); Blond (oui, non); Autre (oui, non)
• Ne permettent pas les calculs arithmétiques (moyenne…) mais donnent lieu à
des dénombrements (fréquences absolues) et des pourcentages (fréquences
relatives)
La statistique descriptive
 Comporte :
 les tableaux : distributions de fréquences
 les diagrammes : graphiques
 les paramètres statistiques : réduction des données à
quelques valeurs numériques caractéristiques
13
 05/10/2023

Distributions non groupées

Xi ni fi Ni Fi
X1 3 0,015 3 0,015
X2 15 0,075 18 0,09
Les distributions de fréquences X3
..
..
Xp np fp N 1

p
N  n i  200
i1 54

Distributions non groupées Distributions groupées : exemple

Classe Ci ni fi Ni Fi
 Lorsque les observations sont nombreuses, une même valeur
peut être observée plusieurs fois. [140-160[ 150 10 0,05 10 0,05

[160-165[ 162,5 20 0,10 30 0,15

 On utilise xi pour représenter les valeurs différentes,
[165-170[ 167,5 30 0,15 60 0,30
 son nombre d’occurrences est noté ni et est appelé fréquence absolue
 ni/N est appelé fréquence relative [170-175[ 172,5 45 0,225 105 0,525

[175-180[ 177,5 40 0,20 145 0,725

 En cas de variable quantitative, on ordonne les xi et les
fréquences absolues ou relatives peuvent être additionnées de [180-185[ 182,5 35 0,175 180 0,90
proche en proche de manière à obtenir les fréquences
cumulées notées Ni et Fi [185-190[ 187,5 15 0,075 195 0,975

[190-200[ 195 5 0,025 200 1,0

N=200  1k fi =1 k = nombre de classes

55

14
 05/10/2023

Distributions groupées Distributions groupées

 Variables quantitatives
 Quand le nombre de valeurs distinctes est élevé, on
condense les tableaux statistiques en groupant les
observations en classes. On obtient ainsi les distributions
groupées.
 Les classes sont mutuellement exclusives. Leurs valeurs
extrêmes sont appelées bornes des classes.
 L'amplitude de la classe encore appelée intervalle ou
module de classe correspond à l'écart entre la borne
supérieure et la borne inférieure.
 Le point central ou encore point médian est situé à mi
chemin entre les bornes.
 Variables quantitatives
 Dans certains cas la limite inférieure de la première classe
ou supérieure de la dernière classe n'est pas précisée. On
parle de classes ouvertes.
 L'intervalle de classe est généralement constant, toutefois,
on utilise parfois une amplitude variable notamment pour
les classes des valeurs extrêmes.
 En cas de classes d'amplitudes différentes, la densité
(hauteur) = fréquence ni/amplitude classei permet de
comparer les fréquences d'une classe à l'autre.

Distributions groupées Distributions groupées

 Si les intervalles sont Inégaux :
H=
Hauteur = Effectif / Amplitude de l’Intervalle 15
H=
H=9 10
Classe Fréq Absolue Intervalle Hauteur
Effectif
(E) (A) (H) 15*4 =
60
[0 – 4[ 60 4 15
[5 – 10[ 45 5 9
[10 – 20[ 100 10 10 5 10
4

15
 05/10/2023

Les graphiques
La statistique descriptive
 Diagrammes sur distributions non cumulées
 Diagramme en bâtons
 Distribution non groupée
 Comporte :  On trace parallèlement à l'axe des ordonnées, en regard des xi qui sont
portés en abscisse, un segment de longueur proportionnel à ni
 Polygone des fréquences
 les tableaux : distributions de fréquences  Ligne brisée joignant les bâtons
 Fréquences absolues / fréquences relatives
 les diagrammes : graphiques  Histogramme
 les paramètres statistiques : réduction des données à  Distribution groupée
quelques valeurs numériques caractéristiques  Composé de rectangles ayant comme base l'intervalle de classe et comme
hauteur la densité de fréquence (ni/i). La surface est proportionnelle à ni.
 Diagramme sectoriel
 Variable qualitative
 Angle au centre proportionnel à ni (ou fi)

Classe ni Densité (x10)

[140-160[ 10
5 Nombre de colonies

[160-165[ 20 40
60
Histogramme : bactériennes/dm2
1
ni
5
Polygone des fréquences
[165-170[ 30 2 7
[170-175[ 45 90 exemple 3
4
15
25
Exemple
[175-180[ 40 80 5 35
[180-185[ 35 70 6 45
[185-190[ 15 30
7 32
8 28
[190-200[ 5 5
9 16
10 12
90
11 3
80 12 1
70
60 45
40
50 35
30
40 25
20
30 15
10
20 5
0
10 1 2 3 4 5 6 7 8 9 1 11 12
0
0 Nombre de colonies bactériennes/dm2
140 160 170 180 190 200

16
 05/10/2023

Diagramme sectoriel : exemple Les paramètres statistiques

GROUPE ni
A 35  Paramètres de position
B 9  Valeurs centrales
O 40  Moyenne arithmétique
AB 16  Médiane
 Mode
 Les Quantiles : Quartiles, Déciles, Percentiles
AB
 Paramètres de dispersion
A
 Amplitude ou étendue
 Variance,
 Ecart type

O
B

 Avec des variables comme l’âge, le nombre d’enfants,

Les paramètres (ou mesures)
de position ou de tendance
centrale
l’hémoglobine etc., il est utile de développer une valeur unique
représentative des valeurs individuelles dans le groupe.
 Ces valeurs uniques et représentatives sont appelées mesures
de tendance centrale.
 Les paramètres de position visent à localiser le centre de la
distribution observée, facilitent la description d’une population
et permettent de comparer plusieurs populations.
 Les mesures de tendance centrale les plus courantes sont la
moyenne, la médiane et le mode.

17
 05/10/2023

La moyenne arithmétique :

 Appelée moyenne notée µ ou m

 Paramètre central qui concerne bien évidemment uniquement
des variables quantitatives.
 Somme des valeurs (x) divisée par le nombre de mesures (N).

 Propriétés :
 Centre de gravité de la distribution.
 La somme des écarts à la moyenne est nulle.
 La moyenne contrairement à la médiane est très sensible aux
valeurs extrêmes.

La moyenne : formules
 Somme des valeurs / Nombre d'observations

∑ ni Xi
µ =
N

18
 05/10/2023

La moyenne Exemple 2 : Soit la distribution suivante

Nombre de colonies
Exemple 1 : bactériennes/dm2 ni ni*xi
1 5 5
2 7 14
Soit la série statistique correspondant aux tailles de 6 étudiants : 3 15 45
4 25 100
5 35 175
160, 170, 180, 180, 190, 200 6 45 270
7 32 224
8 28 224
9 16 144
10 12 120
11 3 33
N = 6, Total (∑xi) = 1080, m =1080/6 = 180 12 1 12

p = 12 N = 224 ∑nixi = 1 366

 m = 1 366 / 224 = 6,098

En supposant que le poids est distribué uniformément dans chaque

classe, on calcule la moyenne arithmétique du poids de chaque
La moyenne pondérée classe de la façon suivante :
 Lorsque les données sont regroupées en classes, on additionne ensemble les
moyennes des classes, puis on divise par le nombre de classes, mais on
introduit ainsi une erreur importante si une classe contient plus
d’observations qu’une autre. Pour corriger ce problème, on donne un poids
(on pondère) à chaque classe selon son importance (son poids relatif) dans
l’ensemble.
 Exemple : En ce qui concerne le poids des enfants de la classe de
 La moyenne pondérée se calcule en faisant la somme des moyennes des
maternelle, les données sont regroupées en trois classes. Quatre enfants
trois classes multipliées par le nombre d’observations dans chaque classe,
pèsent entre 20 et 24 kg ; huit pèsent entre 25 et 29 kg et trois pèsent entre
divisée par le nombre total d’élèves.
30 et 34 kg. Pour calculer la moyenne du groupe, il faut faire une
supposition quant au poids moyen dans chaque classe.

19
 05/10/2023

La médiane
La médiane
 Valeur qui divise en 2 parties égales une série ordonnée
de valeurs
Ex : Nombre d’enfants dans chacune des 10 familles
 Les valeurs observées sont disposées en ordre croissant 2, 8, 1, 1, 4, 5, 2, 3, 0, 1
ou décroissant
nombre médian d’enfants par famille ?
 50% des valeurs sont inférieures à la médiane et 50%
sont supérieures
 Sur les distributions symétriques (normales par exemple) la médiane
est égale à la moyenne et au mode.
 Paramètre peu sensible aux valeurs extrêmes

Le Mode
La médiane
 Mode : Correspond à la valeur la plus fréquente. xi
correspondant au ni (ou fi) maximum.

 Nombre d’enfants dans chacune des 10 familles

2, 8, 1, 1, 4, 5, 2, 3, 0, 1

 Mode du nombre d’enfants par famille ?

 Dans les distributions uni modales symétriques, mode

médiane et moyenne sont confondus (distribution normale
par exemple)

80

20
 05/10/2023

Le Mode
dans une distribution comportant de nombreuses
données, le mode est la valeur qui revient le plus
souvent
Mode Modes

82

Les quartiles
Les quartiles
Sont les trois valeurs qui partagent la distribution
en quatre

Effectif Q2= Médiane  Q1: xi tel que Fi = 0,25 => 1/4 des valeurs
lui sont inférieures, 3/4 lui sont
supérieures.
 Q2 = Médiane
 Q3 : xi tel que Fi = 0,75 => 3/4 des valeurs
lui sont inférieures, 1/4 lui sont
supérieures.
Q1 Q3
84

21
 05/10/2023

Les déciles : Les percentiles :

Sont les neuf valeurs qui partagent la
distribution en 10 groupes de tailles égales. Sont les 99 valeurs qui partagent la
distribution en 100 groupes de taille
Chaque groupe comprend 10% des égale.
effectifs.
 10ème percentile : xi tel que Fi = 0,10

D1 ; D2 …………………….D9
P1 ; P1 ………………………………P99

 La moyenne et la médiane sont des valeurs autour

Paramètres de dispersion desquelles les observations sont réparties.

 Afin de décrire comment les valeurs observées se

dispersent autour de la valeur centrale, on utilise les
paramètres de dispersion.

87

22
 05/10/2023

Paramètres de dispersion Paramètres de dispersion

 Amplitude ou étendue
 Variance, Écart type
 Ecart entre la valeur de l'observation maximale et
celle de l'observation minimale.  La variance (2) d'une série ou d'une distribution de
fréquence est la moyenne arithmétique des carrés des écarts
à la moyenne. Elle évalue l’importance de la dispersion des
 Ex : Nombre d’enfants dans chacune des 10 familles valeurs de part et d’autre de la moyenne.
2, 8, 1, 1, 4, 5, 2, 3, 0, 1
 L'écart type est la racine carré de la variance (. On
Amplitude : 8 – 0 = 8 l'appelle également déviation standard. Il est dans l'unité de
la variable.

Paramètres de dispersion :
Paramètres de dispersion : Variance, Écart type Variance, Écart type
Variance
Σ ni ( xi - µ)²
Population totale Echantillon
n Population : σ² = ----------------
 ( xi m)
2

i1
n
S2 =
N-1 Σ ni ( xi - m)²
Echantillon : s² = ----------------
n-1

23
 05/10/2023

Paramètres de dispersion :
Variance, Écart type
 Ecart type

 = √ 2 Merci pour votre attention

24