Statistique Descriptive Chapitre I Les Caractéristiques Des Distributions À Un Caractère

Chapitre I : Les caractéristiques des distributions à un caractère
Statistique Descriptive
Chapitre I : Les caractéristiques des
distributions à un caractère
Enseignant : Ragbi Aziz
Session universitaire : Automne-Hiver 2020 - 2021

1er Semestre
Statistique Descriptive Enseignant : Ragbi Aziz

Les caractéristiques de tendance centrale ou de position
Chapitre I : Les caractéristiques des distributions à un caractère Les caractéristiques de dispersion
Les paramètres de concentration
1 Chapitre I : Les caractéristiques des distributions à un caractère

La moyenne
Le mode
La médiane
Généralisation de la médiane : Les Quantiles
Les caractéristiques de dispersion
Indice de concentration
Courbe de concentration : Courbe de Lorenz
Coe¢ cient de concentration : Indice de Gini
Chapitre I : Les caractéristiques des

distributions à un caractère

La 1ère partie a permis de comprendre comment les données sont

repérait, rangeait, et présenter ;
L’interprétation faite sur la base des graphiques et tableaux peut être
entâchées de subjectivité ;
Il faut synthétiser et résumer les statistiques classées dans des tableaux
statistiques par des valeurs qui portent le noms de caractéristiques ;
Ces caractéristiques sont des nombres qui résument les données des
tableaux et des graphes ;
Nous étudions les caractéristiques suivants :

Valeur centrale ou de position ;
Dispersion ;
Forme et concentration

1 : Les caractéristiques de tendance centrale ou de

position

Caractéristiques de position
La moyenne
Le mode (ou la dominante)
La médiane

La moyenne
De…nition
La moyenne arithmétique d’une série statistique (xi ) est égale au rapport de la
somme des valeurs observées par le nombre d’observations (n ).
Notation : X (x barre)
De…nition
On dit qu’une moyenne arithmétiques est simple ou non pondérée lorsqu’à
chaque valeur de xi ne correspond qu’une seule observation.
n
x1 + x2 + + xn 1
x=
n
=
n ∑ xi (1)
i =1

La moyenne
Example
8 étudiants ont obtenu les notes (sur 20) suivantes :
3 ; 5 ; 7 ; 9 ; 10 ; 11 ; 12 ; 18

La moyenne
Solution
La note moyenne des étudiants de cet échantillon est :
3 + 5 + 7 + 9 + 10 + 11 + 12 + 18
x= = 9, 375
8

La moyenne
De…nition
On se souvient que la fréquence relative est :
ni
fi = (avec n = e¤ectif total = Σni ) (2)
n
et la formule de la moyenne arithmétique peut s’ecrire égalment :
n
x= ∑ fi xi (3)
i =1
La moyenne arithmétique est égale à la somme du produit des valeurs de

la variable par leurs fréquence relatives.

La moyenne
De…nition
On dit une moyenne arithmétique est "pondérée" lorsqu’à chaque valeur de xi
peut correspondre à plusieurs observations :
n
1
x=
n ∑ ni xi (4)
i =1
Example
8 étudiants ont obtenu les notes (sur 20) suivantes :
3, 3, 3, 5, 9, 9, 11, 11

La moyenne
Solution
La note moyenne des étudiants de cet échantillon est :
(3 3) + (5 1) + (9 2) + (11 2)
x= = 6, 75
8

La moyenne
Variable statistique discrète
De…nition
Il faut ajouter au tableau statistique des données fxi ; ni g ,soit la colonne
produit par les e¤ectifs" (xi ni ), soit la colone "produit par les fréquences"
( xi fi ) .
Example
L’entreprise E compte 30 ouvriers salariés à 6000 Dh, 15 employés salariés à
7000 Dh et 5 cadres salariés à 10000 DH. Quel est le salaire moyen
Salaire E¤ectif
xi ni
6000 30
7000 15
10000 5

La moyenne
Variable statistique discrète
Solution
Salaire E¤ectif
xi ni xi ni fi f i xi
6000 30 180000 0,6 3600
7000 15 105000 OU 0,3 2100
10000 5 50000 0,1 1000
n=50 335000 Σ=1 6700
n
1 335000
x =
n ∑ ni xi =
50
= 6700dh (5)
i =1
n
ou x = ∑ f i xi = 6700dh (6)
i =1

La moyenne
Variable statistique continue
De…nition
Les modalités sont regroupées en classes et pour obtenir la valeur exacte de la
moyenne à l’interieur de la classe on procède comme suit :
borne gauche + borne droite

ci = (7)
2
n
1
x=
n ∑ ni ci
i =1

La moyenne
Example
Modalités E¤ectifs
(classes) ni
[3000; 4000[ 26
[4000; 5000[ 33
[5000; 6000[ 64
[6000; 7000[ 7
[7000; 8000[ 10

La moyenne
Notes xi E¤ectifs ni ci ci n i
0-2 39 1 1 39
2-4 50 3 3 50
4-6 44
6-8 44
8-10 14
10-12 39
12-14 29
14-16 14
16-18 7
18-20 4 19 19 4
N 284 2054
c1 = 0 + 2
2 =1
c10 = +18 20 = 19
2
n
1 2054
x =
n ∑ ni ci =
284
i =1 Statistique Descriptive Enseignant : Ragbi Aziz
La moyenne
Solution
Modalités E¤ectifs Centre de classe
(classes) ni ci ni c i
[3000; 4000[ 26 3500 91000
[4000; 5000[ 33 4500 148500
[5000; 6000[ 64 5500 352000
[6000; 7000[ 7 6500 45500
[7000; 8000[ 10 7500 75000
712000
Le salaire moyen est :
n
1 712000
x=
n ∑ ni ci =
140
= 5085, 7
i =1

La moyenne Géométrique
De…nition
La moyenne Géométrique : Notation G
C’est la racine ni éme du produit des n valeurs positives du caractère x .
On l’emploi dans le calcul de taux d’accroissement moyens, ou de
moyennes de coe¢ cients multiplicateurs. Sa formule :
p
n
G = x1 x2 xi (8)

La moyenne Géométrique
Généralisation de la notion de moyenne
Example
x1 = 8
La moyenne géométrique de est :
x2 = 12

La moyenne
Solution
p
2
G = 8 12 = 9, 8

La moyenne harmonique
De…nition
La moyenne harmonique : notation H
C’est la valeur de la variable pour laquelle son inverse est la moyenne
arithmétique de l’inverse des valeurs de la variable.
On l’emploi dans le calcul des moyennes de pourcentages et de rapports et
notamment dans celui des durée moyennes et des vitesses moyennes. Sa
formule :
1 1 1 1 1 1
= + + + + (9)
H n x1 x1 xi xn
n
H = n (10)
∑ni=1 ( xii )

La moyenne
Example
Sur un trajet on fait 60 km/h à l’aller et 30 km/h au retour. Quelle est la
vitesse moyenne ?

La moyenne
Solution
C’est la moyenne des rapports "une heure par x km"
2
H= h i = 40 ! H = 40km/h
1 + 1
30 60

Le mode
Le mode (ou la dominante) :

Le mode d’une distribution statistique est la valeur de la variable qui
correspond au plus grand e¤ectif ou à la plus grande fréquence relative ;
Le mode correspond à un sommet sur l’histogramme ou le diagramme en
bâtons ;
Le mode est une caractéristique peu utilisée en pratique car elle ne fait
pas intervenir l’ensemble des valeurs ;
Example
Dans la série f5, 6, 7, 7, 8, 8, 8, 9, 10g la valeur "8" apparaît le plus
fréquement ; Le mode est donc 8.

Le mode
Cas des variables discretes
De…nition
Lorsque la variable est discrète, le mode est facilement repérable ;
Sur le tableau statistique fxi ; ni g , c’est le xi pour lequel la fréquence est
la plus élevée ;
Sur le diagrame en bâtons, c’est la valeur xi correspondant au bâton le
plus haut :

Le mode
Cas des variables continues
De…nition
Les données sont groupées en calsses, et le graphe est généralement un
histogramme.
Deux situations se présentent :
Les amplitudes de classe sont égales :
On dé…nit la classe modale comme la classe du tableau ou de
l’histogramme correspondant à la fréquence maximum :
Example
xi ni
[10; 20[ 10
[20; 30[ 20
[30; 40[ 35
[40; 50[ 15

Le mode
Solution
xi
[10; 20[
[20; 30[
Classe
[30; 40[ [modale ]
[40; 50[
En faisant l’hypthèse de centre de classe, on peut admettre, que le mode est
égale à 35.

Le mode
Les amplitudes de classes sont inégales :

Il faut corriger les e¤ectifs relatives et aprés déterminer la classe modale
et le graphe.
Le calcul de la détermination de la calsse modale se fait trés facilement
en 3 étapes :
1 Calcul des amplitudes et choix d’une amplitude de base "a" : a=10 ;
2 Rapport des amplitudes (ai /a) ;
3 Correction de l’e¤ectif en divisant chaque ni par le rapport
d’amplitude correspondant ;

Notes xi E¤ectifs ni ai
0-2 39 2
2-4 50 2
4-6 44 2
6-8 44 2
8-10 14 2
Cas Amplitudes égales
10-12 39 2
12-14 29 2
14-16 14 2
16-18 7 2
18-20 4 2
N 284
La classe modale correspond à [2 4[ puisque l’e¤ectif le plus observé
c’est 50.

Le mode
Example
z }| {
Données
xi ni
[10; 20[ 10
[20; 30[ 40
[30; 50[ 220
[50; 90[ 240
[90; 100[ 10

Le mode
Solution
z }| {
Données
xi ni ai ai /a hi
[10; 20[ 10 10 1 10
[20; 30[ 40 10 1 40
[30; 50[ 220 20 2 110 valeur dominante
[50; 90[ 240 40 4 60
[90; 100[ 10 10 1 10
La classe modale est donc [30; 50[ correspondant à un e¤ectif corrigé hi

de 110 et non de [50; 90[ comme on aurait pu, à tort, l’imaginer en
n’e¤ectuant pas les corrections des e¤ectifs.

La médiane
De…nition
La médiane d’une variable statistique est une valeur pour laquelle, la
moitié des observations lui sont inférieure ou égales et la moitié supérieure
ou égales.
La médiane partage donc le nombre total d’observations en deux parties
égales.
La médiane est un paramètre statistique qui ne dépend que du nombre
d’observations.
Pour déterminer la médiane, il faut raisonner en terme de fréquences
cumulées, la médiane est alors la valeur de la variable qui correspond à la
moitié de l’e¤ectif total.

Cas d’une variable statistique discrète
De…nition
Pour une série statistique de n observations : x1 , x2 , . . . , xi , . . . , xn
Si le nombre d’observation est impair, la médiane est l’observation de rang
n +1
2
Me = x n +1 (11)
2
Si le nombre d’observations est pair, la médiane est comprise entre

l’observation de rang n2 et l’observation de rang n2 + 1 . On prend comme
valeur de la médiane la moyenne arithmétique simple des deux
observations.
x n2 6 Me 6 x n2 +1 (12)
x n2 + x n2 +1
Me = (13)
2

La médiane
(
S érie f3, 6, 12, 15, 21, 28, 32g
Exemple | {z } | {z } (14)
Avant M é Apr és
Solution
La médiane est donc 15 : Il y a autant d’obsérvations supérieures à la médiane
que d’observations inférieures à la médiane.

Soit la distribution du nombre d’employés observés chez 100 commerçants.
Example
Nombre Nombre de
d’employés commerçants
(modalité xi ) (ni )
0 5
1 10
2 20
3 15
4 12
5 16
6 13
7 9
Total 100

Soit la distribution du nombre d’employés observés chez 100 commerçants.
Example
Nombre Nombre de Fréquences Fréquences
d’employés commerçants en % cumulées croissantes
(modalité xi ) (ni )
0 5 5 5
1 10 10 15
2 20 20 35
3 15 15 50
4 12 12 62
5 16 16 78
6 13 13 91
7 9 9 100
Total 100 100%

Le nombre d’observations, 8, est pair, la médiane est comprise entre

l’observation du rang 50 et l’observation de rang 51.
La médiane est la moyenne arithmétique simple des deux observations.
x50 6 Me 6 x51 (15)

x50 + x51
Me = (16)
2
x50 correspond à 3 et x51 correspond à 4. La médiane est donc :
3+4
Me = = 3.5 (17)
2
La moitié des commerçants emploient 3 employés ou moins, et la moitié
emploient 4 employés ou plus.

Cas d’une variable statistique continue groupée en classes
La médiane :
Pour des données groupées en classes, la classe médiane est la classe
qui contient la médiane.
On détermine la médiane par interpolation linéaire.
Désignons par :
L0 : borne inférieure de la classe médiane ;
ai : amplitude de la classe médiane ;
n : nombre total des observations ;
ni : fréquence absolue de la classe médiane ;
Ni 1 : fréquence absolue cumulée croissante de la classe qui précède
la classe médiane ;
Me = L0 + ai (((n/2) Ni 1 )/ (ni ))

Example
Surface en Nombre de Fréquences Fréquences cumulées

m2 logements % croissantes
0 à 20 10 10 10
20 à 40 18 18 28
40 à 60 22 22 50
60 à 100 38 38 88
100 à 160 8 8 96
160 à 260 4 4 100
Total 100

Solution
La classe médiane est la classe 40 à 60 m2 . La médiane est donc :
50 28
Me = 40 + 20 = 60m2 (18)
22
La moitié des logements ont une super…cie inférieure ou égale à
60m2
et la moitié des logements ont une super…cie supérieure ou égale à
60m2 .

Généralisation de la médiane : Les Quantiles
De…nition
Les quantiles sont des caractéristiques de position, tout comme la
médiane ;
On cherche une valeur de la variable, partageant la série non plus en deux
sous-ensembles égaux (50% et 50%), mais entre quatre sous-ensembles
égaux, ou en dix sous-ensembles égaux, ou en cent sous ensembles
égaux....
Le calcul des quantiles est similaire à celui de la médiane.

Les Quartiles
De…nition
Les quartiles sont des valeurs du caractère (x i ) qui partagent la série en
quatre sous-ensembles égaux ;
Ils sont au nombre de trois : Q1 , Q2 , Q3 ;
Les intervalles qu’ils dé…nissent contiennent chacun 25% des observations,
soit un quart de l’e¤ectif (n/4), comme le montre le shéma suivant.
L’intervalle Q3 Q1 s’appelle intervalle interquartilee : Il contient 50%
des observations.

Les Quartiles
De…nition
Le calcul se fait, comme pour la médiane, en construisant la colonne des
e¤ectifs cumulés N (x ) ou celle des fréquences relatives cumulées F (x ),
mais ici en repérant les valeurs 25%, 50%, 75% dans la colone F (x ) :
F (Q1 ) = 0, 25 N (Q1 ) = 1 n
En e¤et : 4
F (Q2 ) = 0, 50 ou N (Q2 ) = 1 n
4
F (Q3 ) = 0, 75 N (Q3 ) = 1 n
4

Les Quartiles
De…nition
Désignons par :
L0 : borne inférieure de la classe qui contient le quartile ;
ai : amplitude de la classe qui contient le quartile ;
n : nombre total des observations ;
Nn 1 : fréquence absolue cumulée croissante de la classe qui précède
la classe qui contient le quartile ;
ni : fréquence absolue de la classe qui contient le quartile.
n
4 Ni 1
q1 = L 0 + ai (19)
ni
3n
4 Ni 1
q3 = L 0 + ai (20)
ni

Les Quartiles
Example
La répartition de la surface, en m2 , de 100 logements est représentée dans le
tableau suivant :
Surface en Nombre de Fréquences Fréquences cumulées

m2 logements % croissantes
0 à 20 10 10 10
20 à 40 18 18 28
40 à 60 22 22 50
60 à 100 38 38 88
100 à 160 8 8 96
160 à 260 4 4 100
Total 100

Les Quartiles
De…nition
En consultant les fréquences absolues cumulées croissantes, q1 , qui
correspond à la 25ème observation, se trouve dans la classe 20 à 40m2 .
q3 , qui correspond à la 75ème observation, se trouve dans la classe 60 à
100m2 .
100 10
q1 = 20 + 20 4 = 36.67 m2 (21)
18
3 100 50
q3 = 60 + 40 4 = 86.32 m2 (22)
38
50 % des logements ont une super…cie comprise entre 36,67 m2 et 86,32
m2 .

Les Déciles
De…nition
Les déciles sont les valeurs du caractère (x i ) qui partagent la série en dix
sous-ensemble égaux ;
Ils sont au nombre de 9 : D1 , D2 , , D9 ;Les intervalles qu’ils dé…nissent
contiennet chacun 10% des observations.

Les Déciles
De…nition
L’intervalle D9 D1 , s’appelle intervalle interdécile ; il contient 80% des
observations.
F (D 1 ) = 0, 25 1 n
N (D 1 ) = 10
F (D 2 ) = 0, 50 ou 2 n
N (D 2 ) = 10
.. ..
. .
F (D 9 ) = 0, 75 9 n
N (D 9 ) = 10
D1 laisse 10% des observations "avant" et 90% aprés.

D5 n’est autre que la médiane

Les centiles
De…nition
Les centiles sont les valeurs du caractère (x i ) qui partagent la série en
cent sous-ensemble égaux.
Ils sont au nombre de 99 : P1 , P2 , , P99 ;
L”intervalle intercentile est P99 P1 : il contient 98% des observations.
F (P 1 ) = 0, 01 1 n
N (P 1 ) = 100
F (P 2 ) = 0, 02 ou 2 n
N (P 2 ) = 100
.. ..
. .
F (P 99 ) = 0, 99 99 n
N (P 99 ) = 100
P50 n’est autre que la médiane

Section 2 : Les caractéristiques de dispersion

Caractéristiques de dispersion :
L’étendue d’une série ou l’intervalle de variation
L’écart absolu moyen
La variance et l’écart-type

L’étendue
L’étendue :
C’est la manière la plus simpliste de mesurer la dispersion ;
L’étendue d’une série est la di¤érence de ses valeurs extrêmes ;
E = xn x1 (23)
Example
Soit la série suivante : f8; 15; 20; 30; 40; 60g
Solution
E = 60 8 = 52

L’étendue
Example
Pendant une période déterminée, les investissements réalisés par 80 PME d’une
région se présentent comme suit :
Investissements en 1000 dhs Nombre d’entreprises

200-300 10
300-400 18
400-500 30
500-600 12
600-700 6
700-800 4
Solution
E = 800 200 = 600

L’écart absolu à la moyenne
De…nition
Le mot écart signi…e la valeur absolue de la di¤érence entre une
valeur observée et une valeur centrale (le plus souvent la moyenne).
Ecart absolu à la moyenne Em = jxi xj (24)
L’écart moyen, désigné par Em , est donc la moyenne arithmétique

simple des écarts.
La valeur centrale peut être la médiane

De…nition
Cas d’une série statistique discrète
Ecart absolu moyen par rapport à la moyenne arithmétique :
1 n
n i∑
ex = ni jxi xj (25)
=1

De…nition
Cas d’une série statistique continue groupée en classes :
Ecart absolu moyen par rapport à la moyenne arithmétique :
1 n
n i∑
ex = ni jC i xj (26)
=1
Ci est le point central de la classe i.

Salaire Nombre
horaire d’employés
30-50 33
50-70 35
70-90 19
Total 87

Tableau : Salaire horaire des employés de deux entreprises.

Salaire Nombre Point ni *ci ni jCi x j
horaire d’employés central
30-50 33 40 40 33 33 j40 56.7j
=553,74
50-70 35 60 112,70
70-90 19 80 441,18
Total 87 4940 1107,62
x = 4940/87 = 56, 78 dh/h
Écart à la moyenne moyen
ex = 1
n ∑ni=1 ni jCi xj = 1107.62
87 = 12.73dh/h

La variance
De…nition
La variance d’une série statistique est la moyenne des carrés des écarts à
la moyenne arithmétique.
n
1
V (x ) =
n ∑ ( xi x )2 (27)
i =1
∑ni=1 ni xi2
x2 (28)
∑ni=1 ni

L’écart-type
De…nition
L’écart-type d’une série statistique est la racine carrée de sa variance
V(X) ;
q
σ (X ) = V (X ) (29)
s
1 n
n i∑
= (xi x )2
=1
L’écart-type est la caractéristique de dispersion la plus utilisée.

L’écart-type
Example
Tableau : Salaire horaire des employés de deux entreprises.
Salaire horaire Nombre d’employés
30-50 33
50-70 35
70-90 19
Total 87

Section 3 : Les paramètres de concentration

La courbe de Lorenz et l’indice de Gini sont utilisés pour mesurer toute

forme d’inégalités de répartition.
Max Otto LORENZ (1880 -1962) est l’économiste américain qui inventa
le graphique qui représente la courbe qui porte son nom en 1951.
Il s’agissait pour lui de décrire et de mesurer les inégalités de revenu.
Par la suite, cette courbe servit plus généralement à représenter
visuellement la façon dont se répartit une masse (salariale, de revenus, de
richesses, etc.) au sein d’une population.
Le principe est de se faire une idée du caractère plus ou moins égalitaire
de la répartition de cette masse au sein de la population.
Comparer par la suite les di¤érentes populations entre elles ou comparer la
distribution d’une masse au sein d’une population en deux ou plusieurs
points du temps a…n de savoir si l’inégalité augmente ou diminue.

Corrado GINI (1884 -1965) est le statisticien, démographe, ethnologue et

sociologue italien à qui on doit le coe¢ cient de GINI, une mesure de
l’inégalité associée à la courbe de LORENZ.
En pratique, lorsqu’on s’intéresse à la répartition d’une masse au sein
d’une population, on trace d’abord un graphique de LORENZ a…n d’avoir
une idée visuelle de l’égalité ou de l’inégalité de cette répartition. Ensuite,
si l’on désire résumer cette inégalité par un chi¤re, on calcule le coe¢ cient
de GINI
Trois concepts sont à distinguer :
Courbe de concentration
Coe¢ cient de concentration

De…nition
On peut étudier la concentration directement à partir de la di¤érence entre la
médiale et la médiane d’une distribution.
Médiale Médiane
I ndice de concentration = 100
Etendu

La médiale
La médiale est une valeur telle que la somme des observations qui lui sont
inférieures est égale à la somme des observations qui lui sont supérieures.
La médiale partage donc la somme des observations en deux parties
égales.
La médiale est un paramètre statistique qui dépend de la somme de toutes
les observations.
pour déterminer la médiale, il faut raisonner en terme de sommes
cumulées, la médiale est alors la valeur de la variable qui correspond à la
moitié de la somme des observations.
La médiale est calculée pour une variable statistique groupée en classes, la
classe médiale est la classe qui contient la médiale.

La médiale
De…nition
On détermine la médiale par interpolation linéaire.
Désignons par :
L0 : borne inférieure de la classe médiale ;
ai : amplitude de la classe médiale ;
∑ni=1 ni xi : somme des observations ;
Sn 1 : sommes des observations cumulées croissantes de la classe qui
précède la classe médiale ;
ni xi : somme des observations de la classe médiale.
" ∑n ni xi
#
i =1
2 Sn 1
Ml = L0 + ai
ni xi

La médiale
Example
La répartition de la surface, en m2 , de 100 logements est représentée dans le
tableau suivant :
Surface en Nombre de Points Sommes Sommes cumulées

m2 logements central xi ni xi croissantes
0 à 20 10 10 100 100
20 à 40 18 30 540 640
40 à 60 22 50 1100 1740
60 à 100 38 80 3040 4780
100 à 160 8 130 1040 5820
160 à 260 4 210 840 6660
Total 100

La médiale
Solution
La moitié de la somme des observations :
∑ni=1 ni xi 6660
= = 3330
2 2
En consultant les sommes cumulées croissantes, la classe médiale est la
classe 60 à 100 m2 . La médiale est donc :
3330 1740
Ml = 60 + 40 = 80, 92m2
3040
La moitié de la super…cie totale des 100 logements est répartie sous forme
de logements dont la super…cie est inférieure ou égale à 80,92 m2 et
l’autre moitié sous forme de logements dont la super…cie est supérieure ou
égale à 80,92 m2 .

La médiale
Solution
L’indice de concentration est donc
Médiale Médiane
I ndice de concentration = 100
Etendu
80.92 60
= 100
260
= 8, 04

La courbe de Lorenz permet de représenter graphiquement une dispersion.

Cette courbe est obtenue en calculant :
1 Les fréquences relatives cumulées croissantes des observations après
les avoir classées par ordre croissant : nni cumulées croissantes
2 Les masses relatives cumulées croissantes : ni xi cumulées
∑ ni xi
croissantes


La courbe de concentration ou courbe de LORENZ s’inscrit toujours dans
un carré de côté unitaire dont les abscisses sont les fréquences relatives
cumulées croissantes et les ordonnées sont les masses relatives cumulées
croissantes.
Plus la courbe est éloignée de la diagonale, plus la Enseignant

Statistique Descriptive répartition
: Ragbi des
Aziz revenus
Exercice
Salaire mensuel xi E¤ectif de la classe ni
[500, 1500[ 50
[1500, 2500[ 125
[2500, 5500[ 25

On s’intéresse à la répartition du salaire (que l’on note x) sur la

population des salariés. Il nous faut donc calculer :
1 les fréquences cumulées pour la variable de salaire x,
2 les fréquences cumulées pour la masse salariale.

I. Calcul des fréquences cumulées pour la variable x :

1 On calcule les fréquences (ou pourcentage) de chaque classe : pour la
classe i , fi = ni /n, où n est l’e¤ectif total (200 salariés).
2 On calcule les fréquences cumulées : F (x ).
On obtient :
Salaire E¤ectif de fréquence de fréquences
mensuel xi la classe ni la classe, fi cumulées F (x )
[500, 1500[ 50 0.25 0.25
[1500, 2500[ 125 0.625 0.875
[2500, 5500[ 25 0.125 1
200

II. Calcul des fréquences cumulées pour la masse salariale :

1 Comme les salaires sont donnés par classe, on ne peut pas calculer
exactement la masse salariale d’une classe (la somme de tous les salaires
des personnes de cette classe). On fait l’approximation suivante :
On calcule le centre de la classe Ci :
On calcul la masse salariale de la classe ni xi .
2 On calcule le pourcentage de la masse salariale de chaque classe par
rapport à la masse salariale totale (ici n1 x1 + n2 x2 + n3 x3 ).
Pour la classe i : gi = n x +nnixi
x +n x . 1 1 2 2 3 3
3 On calcule les fr´ equences cumulées : F (nx ).

On obtient
Salaire E¤ectif de Centre de Masse sal % de fréq. cumulées
mensuel xi la classe ni la classe Ci ni ci MS gi MS F (nx )
[500, 1500[ 50 1000 50000 0.125 0.125
[1500, 2500[ 125 2000 250000 0.625 0.75
[2500, 5500[ 25 4000 100000 0.25 1
∑ ni ci 400000

III. Courbe de Lorentz

La courbe de Lorentz représente les fréquences cumulées de la masse salariale
F (nx ) en fonction des fréquences cumul´ ees pour la variable salaire F (x ).

La courbe de Lorenz permet de calculer l’indice de Gini. Ce coe¢ cient est

une mesure du degré d’inégalité.
L’indice de Gini correspond au rapport entre la surface hachurée et le
triangle en dessous.
L’indice de Gini varie entre 0 et 1. Si l’indice est de 0, cela signi…e que la
courbe de Lorenz est la diagonale, l’égalité est parfaite.
Si l’indice est de 1, cela signi…e qu’une seule personne détient tout le
revenu, c’est l’inégalité maximale.
Plus les inégalités de revenus sont importantes, plus la courbe de Lorenz
s’éloigne de la diagonale, plus l’indice de Gini est élevé.

L’indice de Gini est le double de la surface comprise entre la courbe de

Lorenz et la diagonale principale, dans l’intervalle [0 ; 1].
Numériquement, il est donné par la formule : fj +1 la fréquence relative ;
qj Fraction de masse cumulée
g = 1 ∑ fj +1 qj +1 + qj
g = 1 (0.25 (0.125 + 0.00) + 0.625 (0.75 + 0.125)
+0.125 (1 + 0.75)
= 0.203
Commentaire : L’indice de Gini appartient à [0,1] et plus il est proche de

1, plus la répartition des salaires est inégalitaire. Ici, comme 0, 2032 est
faible, la concentration des salaires est faible : les salaires sont assez bien
répartis sur l’ensemble des salariés.


IV. Calcul de l’indice de Gini :
L’indice de Gini est 2 fois l’aire entre la courbe de Lorentz et la première
bissectrice.
En regardant la …gure, on voit que l’aire entre la courbe de Lorentz et la
premi‘ere bissectrice est égale à :
– L’aire du triangle de côté 1 :
1 1 1
=
2 2
– MOINS l’aire du triangle A :
0, 25 0, 125
= 0.0156
2
– MOINS l’aire du trapèze B. L’aire d’un trapèze étant donnée par :
hauteur (g rand e base + petite base )
2
(0, 875 0, 25) (0, 125 + 0, 75)
= 0.2734
2
(Attention aux signes) car :

– La hauteur est ici le segment [0.25, 0.875] sur l’axe des abscisses, de longueur
0.875-0.25,
– La grande base est le segment vertical de longueur 0.75,
– La petite base est le segment vertical de longueur 0.125.
– MOINS l’aire du trapéze C :
(1 0, 875) (0, 75 + 1)
= 0, 1094
2

Au …nal :
1
Ind.Gini = 2 (0, 0156 + 0, 2734 + 0, 1094) = 0, 2032
2
Commentaire : L’indice de Gini appartient à [0,1] et plus il est proche de 1,

plus la répartition des salaires est inégalitaire. Ici, comme 0,2032 est faible, la
concentration des salaires est faible : les salaires sont assez bien répartis sur
l’ensemble des salariés.

Modalité E¤ectif Amplitude Fréquence FCC

relative
xi ni ai fi = nni Fi
[[ Ni 1
[L0 L1 [ classe médiane ai ni 50
[[
Modalité E¤ectif Amplitude Masse Masse

relative Cumulée croissante
xi ni ai ni xi Si
[[ Si 1
[L0 L1 [ classe médiale ai ni xi 50%
[[

Statistique Descriptive Chapitre I Les Caractéristiques Des Distributions À Un Caractère

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Statistique Descriptive Chapitre I Les Caractéristiques Des Distributions À Un Caractère

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre I : Les caractéristiques des distributions à un caractère

Enseignant : Ragbi Aziz

Session universitaire : Automne-Hiver 2020 - 2021

Statistique Descriptive Enseignant : Ragbi Aziz

1 Chapitre I : Les caractéristiques des distributions à un caractère

Chapitre I : Les caractéristiques des

Statistique Descriptive Enseignant : Ragbi Aziz

La 1ère partie a permis de comprendre comment les données sont

Nous étudions les caractéristiques suivants :

Statistique Descriptive Enseignant : Ragbi Aziz

1 : Les caractéristiques de tendance centrale ou de

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

La moyenne arithmétique est égale à la somme du produit des valeurs de

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

borne gauche + borne droite

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

C’est la moyenne des rapports "une heure par x km"

Statistique Descriptive Enseignant : Ragbi Aziz

Le mode (ou la dominante) :

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Les amplitudes de classes sont inégales :

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

La classe modale est donc [30; 50[ correspondant à un e¤ectif corrigé hi

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Cas d’une variable statistique discrète

Si le nombre d’observations est pair, la médiane est comprise entre

Statistique Descriptive Enseignant : Ragbi Aziz

Statistique Descriptive Enseignant : Ragbi Aziz

Cas d’une variable statistique discrète

Soit la distribution du nombre d’employés observés chez 100 commerçants.

Statistique Descriptive Enseignant : Ragbi Aziz

Cas d’une variable statistique discrète

Soit la distribution du nombre d’employés observés chez 100 commerçants.

Statistique Descriptive Enseignant : Ragbi Aziz

Cas d’une variable statistique discrète

Le nombre d’observations, 8, est pair, la médiane est comprise entre

x50 6 Me 6 x51 (15)

Statistique Descriptive Enseignant : Ragbi Aziz

Cas d’une variable statistique continue groupée en classes

Statistique Descriptive Enseignant : Ragbi Aziz

Cas d’une variable statistique continue groupée en classes

Surface en Nombre de Fréquences Fréquences cumulées