UM5R

Faculté des Sciences

Juridiques, Economiques
& Sociales-Agdal

Statistique descriptive
Complément du chapitre II: Les indicateurs de
forme

Semestre : S1
Filière : Sciences Economiques & Gestion
Section : C
2020 - 2021
S1, SC. Eco & Gestion, Section : C , 2020-2021, 1
Pr. Hassane BELBIJOU
 Les indicateurs de forme
Les caractéristiques de forme permettent de
préciser l’allure de la courbe des fréquences sans
avoir besoin de la tracer.

On distingue deux catégories d’indicateurs de

forme:
 les mesures d'asymétrie

 les mesures d'aplatissement

Exercice
FSJES_Agdal, Pr. Hassane BELBIJOU 2
 Analyse de la symétrie (ou
asymétrie) d'une distribution
Deux moyens existent pour repérer la symétrie (ou
asymétrie) d’une distribution:
 Par comparaison de tendances centrales traditionnelles
 Par un calcul des coefficients d’asymétrie tels que:

a) Le coefficient d’asymétrie de Pearson: δ

b) Le coefficient de YULE & KENDALL: CY

c) Le coefficient de Fisher γ1 BELBIJOU

FSJES_Agdal, Pr.:Hassane (basé sur le moment d’ordre
3 p)
Par comparaison de tendances centrales
traditionnelles: Moyenne, Médiane et Mode

x  Mo  Me
Mo  Me  x x  Me  Mo

FSJES_Agdal, Pr. Hassane BELBIJOU 4

 Trois situations
X  Me  Mo
Distribution symétrique

X  Me  Mo Mo  Me  X
Asymétrie à droite Asymétrie à gauche

étalée à gauche étalée à droite

On distingue trois types de distributions selon qu'elles sont dissymétriques à gauche (graphique
de gauche), symétriques (graphique du milieu) ou dissymétriques à droite (graphique de
droite).

- Souvent, l'analyse du diagramme en bâtons (cas discret) ou de

l'histogramme (cas continu) permet de se rendre compte du
caractère symétrique ou non d'une distribution.
- L'examen de la boîte à moustaches permet aussi page
de se faire une idée sur cette question selon que la 3
boîte et les moustaches sont symétriques ou, au
contraire, de plus petite amplitude à gauche
(asymétrie à gauche) ou à droite (asymétrie à
droite).
Ainsi, par exemple, le diagramme en bâtons et la boîte
à moustaches ci-contre permettent de se rendre
compte aisément que la distribution observée présente
FSJES_Agdal, Pr. Hassane BELBIJOU 6
une asymétrie à gauche.
Mais il est également possible de caractériser l'asymétrie et d'en
quantifier l'importance via l'un ou l'autre coefficient d'asymétrie.

a) Le coefficient d’asymétrie de Pearson ( Mathématicien Britanique ):

Le coefficient d'asymétrie de Pearson est basé sur la
détermination de la moyenne et le mode.

x  Mo
  1    1

Il existe trois cas:
• Si δ = 0 , nous avons une distribution symétrique; x  Mo  Me

• Si δ > 0 , nous avons une distribution étalée à droite; Mo  Me  x

• Si δ < 0 , nous avons une distribution étalée à gauche. x  Me  Mo

b) Le coefficient de YULE & KENDALL:

Il est basé sur la détermination des trois quartiles (Q1 , Q2 et Q3)

de la distribution.
(Q3  Q2 )  (Q2  Q1 )
CY 
(Q3  Q2 )  (Q2  Q1 )
Aussi, il existe trois cas selon la valeur de CY :

• Si CY = 0  Q3 - Q2 = Q2 - Q1,
nous avons une distribution symétrique;

• Si CY > 0 , nous avons une distribution étalée à droite;

• Si CY < 0 , nous avons une distribution étalée à gauche.

FSJES_Agdal, Pr. Hassane BELBIJOU 8
Autre coefficient d'asymétrie, basé sur le moment d’ordre p.
Les moments sont des quantités qui étendent la notion de
moyenne et celle de variance.
k

n  x
p
On distingue : i i
 les moments simples : Mp  i 1
N
Si p = 1  M1 = X k

 n  ( x  x)
i i
p

 les moments centrés, noté µp :  p  i 1

N
Si p=1  µ1 = 0
p=2  µ2 = Variance = M2 – (M1)2
p=3  µ3 = M3 – 3 M1 M2 +2(M1)3
p=4  µ4 = M4 – 4M3.M1 + 6(M1)² M2 - 3(M1)4
FSJES_Agdal, Pr. Hassane BELBIJOU
c) Le coefficient de Fisher ( Staticien Britanique ):

Le coefficient d'asymétrie de Fisher, noté γ1, se définit comme

étant le rapport entre le moment centré d'ordre 3 (µ3) et le cube
de l'écart-type (σ3) :
3
1  3 Coefficient sans unité (sans dimension)

Remarque: γ1 a bien le même signe que µ3 .

aplatissement
On peut vérifier que:
• pour une distribution symétrique, γ = 0;
1
• pour une distribution dissymétrique à gauche, γ > 0 (étalement à droite);
1

• pour une distribution dissymétrique à droite, γ < 0 (étalement à gauche).

1
FSJES_Agdal, Pr. Hassane BELBIJOU 10
 Analyse de l’aplatissement d'une
distribution
On peut aussi caractériser l'aplatissement d'une
distribution par le coefficient de Pearson ( β2) ou celui de
Fisher (γ2), tous deux basés sur le moment centré
d'ordre 4 (µ4).
FSJES_Agdal, Pr. Hassane BELBIJOU 11
 Coefficients d’aplatissement
a) Le coefficient d'aplatissement de Pearson 4
• Pearson a proposé d’utiliser le coefficient suivant: 2  4

NB: Dans le cas d’une distribution
normale (loi normale) : β2 = 3
Donc:
- si β2 > 3  courbe plus pointue que la normale.
- si β2 < 3  courbe plus aplatie que la normale.

b) Le coefficient d'aplatissement de Fisher

• Fisher a proposé d’adopter comme coefficient d’aplatissement la quantité :
 2  2  3
- si γ2 = 0  courbe comparable avec celle de la loi normale;
- si γ2 > 0  courbe plus pointue que la normale (leptocurtique);
FSJES_Agdal, Pr. Hassane BELBIJOU 12
- si γ < 0  courbe plus aplatie que la normale (platicurtique).
Exercice: Le tableau statistique suivant représente
une distribution observée des tailles de 1500
ménages d'une région géographique rurale.

Déterminez:

- le coefficient d'asymétrie de Pearson δ .

- le coefficient d'asymétrie de Yule et Kendall CY .
- le coefficient d'asymétrie de Fisher γ1 .
FSJES_Agdal, Pr. Hassane BELBIJOU 13
Solution: Le tableau ci-après reprend le détail des calculs.
Taille du
Effectif : ni ni  xi xi  x ni  ( xi  x) 2 ( xi  x) 3 ni  ( xi  x)3
ménage: xi Ecc
1 380 380 380 -1.67 1059,782 -4,6575 -1769,8359

2 455 910 835 -0,67 204,2495 -0,3008 -136,8472

3 245 735 1080 0,33 26,6805 0,0359 8,8046
4 230 920 1310 1,33 406,847 2,3526 541,1065
5 100 500 1410 2,33 542,89 12,6493 1264,9337
6 75 450 1485 3,33 831,6675 36,9260 2769,4528
7 10 70 1495 4,33 187,489 81,1827 811,8274
8 5 40 1500 5,33 142,0445 151,4194 757,0972
Total 1500 4005 380 3401,65 4246,5390
Moyenne = 2,67 Variance = 2,27 µ3 = 2,8310
- Le moment centré d'ordre 3 vaut : - Le coefficient d'asymétrie de Fisher
4246,5390
3 
1500
 2,8310 est donc égal à:  1  3
3
- L'écart-type est égal à la racine carrée de la
2,8310
variance, soit : ....  0
14,8278
  2,27  1,5067 (1,5067) 3
Diagramme en bâtons :

Le diagramme en bâtons nous indique que le mode Mo de la distribution

correspond à la valeur 2 (personnes/ménage). Dès lors,
(1x380  2 x 455  3 x 245  4 x 230  5 x100  6 x75  7 x10  8 x5) 4005
x   2,67
1500 1500
 L'écart-type est égal à la racine carrée de la variance, soit :
  2,27  1,5067( personnes / ménage)
Donc : X  Mo 2,67  2
   0,44  0 La série est étalée à droite.
 1,5067 15
Nous avons le coefficient d’asymétrie de Yule et Kendall :
(Q3  Q 2)  (Q 2  Q1)
Cy 
Nous avons: (Q3  Q 2)  (Q 2  Q1)
N 1500
4

4
 375(entier )  Q1  x375  1( personne / ménage)
3  N 3 1500 4500
   1125(entier )
4 4 4  Q3  x1125  4( personnes / ménage)

(4  2)  (2  1) 1
Cy    0,333  0  La série est étalée à droite.
(4  2)  (2  1) 3

Remarque: Comme nous pouvions nous y attendre au vu de l'asymétrie

gauche (la distribution est étalée à droite), les trois coefficients
d'asymétrie sont positifs. Il ne faut pas s'étonner qu'ils n'aient pas la
même valeur, puisqu'ils ne mesurent pas l'asymétrie de la même façon.

FSJES_Agdal, Pr. Hassane BELBIJOU 16