Statistique descriptive

Vocabulaire de la statistique
• La statistique désigne à la fois un ensemble de données et l’ensemble des activités consistant à collecter
ces données, à les traiter et à les interpréter.
• Les statistiques, l’ensemble des données numériques, interviennent pratiquement dans tous les domaines
d’activité : gestion financière (états, banques, assurances,etc.), démographie, contrôles de qualité, études
de marché, sciences expérimentales (biologie, psychologie, etc.).
• Le traitement des données, pour en dégager un certain nombre de renseignements qualitatifs ou quanti-
tatifs à des fins de comparaison, s’appelle la statistique descriptive.
• Un autre but de la statistique consiste à extrapoler à partir d’un échantillon de la population à étudier, le
comportement de la population dans son ensemble (sondages, contrôle de qualité comportant un test
destructif, etc.). C’est la statistique inductive ou encore appelée statistique inférentielle.
• L’ensemble sur lequel porte l’activité statistique s’appelle la population. Elle est généralement notée Ω
pour rappeler la notation des probabilités mais par exemple dans la théorie des sondages elle est notée
U (comme Univers).
• Les éléments qui constituent la population sont appelés les individus ou encore les unités statistiques.
• Les caractéristiques étudiées sur les individus d’une population sont appelées les caractères. Un caractère
est une application χ d’un ensemble fini de cardinal N (la population) dans un ensemble C (l’ensemble
des valeurs possibles du caractère), qui associe à chaque individu ω de la valeur χ(ω) que prend ce
caractère sur l’individu ω.. Nous considérons plusieurs types de caractères :
1. les caractères qualitatifs, exemple : profession, adresse, sexe, numéro de téléphone, etc. Le caractère
est un critère de classement, il peut présenter plusieurs situations différentes, (plusieurs modalités).
Les deux modalités du caractère « sexe » sont : masculin et féminin. On distingue en général :
(a) les caractères qualitatifs nominaux : les modalités possibles ne présupposent aucun classement.
(b) les caractères qualitatifs ordonnés : les modalités possibles peuvent être rangées dans un ordre.
2. les caractères quantitatifs, leur détermination produit un nombre ou une suite de nombres. Nous
distinguons :
(a) les caractères simples ou univariés : leur mesure sur un individu produit un seul nombre.
L’ensemble de leurs valeurs est donc une partie de R. Exemple : taille, poids, salaire, etc.
(b) les caractères multiples : leur mesure sur un individu produit une suite finie de nombres.
L’ensemble de leurs valeurs est donc une partie de Rn . Exemple : relevé de notes d’un étudiant,
fiche de salaire, etc.
• La suite des valeurs χ(ω) prises par χ s’appelle les données brutes. C’est une suite finie (X 1 , X 2 , . . . , X N )
de l’ensemble C.
STATISTIQUE DESCRIPTIVE 1. DESCRIPTION D’UNE SÉRIE STATISTIQUE 2

1. Description d’une série statistique

Si X est un caractère quantitatif simple, la suite finie X (Ω) = X 1 , X 2 , . . . , X p des valeurs atteintes par le


caractère (ou données brutes) est un ensemble fini x 1 , x 2 , . . . , x p .

1.1. Distribution statistique discrète

Définition 1.
Soit une série statistique (x i , ni )16i 6 p . Nous appelons
1. effectif de la valeur x i : le nombre ni de fois que la valeur x i est prise.
i
X
2. effectif cumulé en x i : la somme nj
j=1
p
ni X
3. fréquence de la valeur x i : le rapport f i = de l’effectif de x i à l’effectif total N = ni .
N i=1
i
X
4. fréquence cumulée en x i : la somme fj
j=1

La série statistique (x i , ni )16i 6 p ou (x i , f i )16i 6 p est appelée distribution statistique discrète.

1.2. Distribution statistique continue

Lorsque le caractère quantitatif comprend un grand nombre de valeurs, nous préférons regrouper les valeurs
en intervalles appelées classes pour rendre la statistique plus lisible. Nous partageons alors l’ensemble C
des valeurs du caractère en classes [ai , ai+1 [ , ai < ai+1 .

Définition 2.
Soit une série statistique ([ai , ai+1 [ , ni )16i 6 p . Nous appelons
1. effectif de la valeur [ai , ai+1 [ : le nombre ni de valeurs prises dans [ai , ai+1 [.
2. effectif cumulé en ai : le nombre de valeurs prise dans ]−∞, ai ]
ni
3. fréquence de [ai , ai+1 [ : le rapport f i =
N
Xi
4. fréquence cumulée en ai : la somme fj
j=1

La série statistique ([ai , ai+1 [ , ni )16i 6 p ou ([ai , ai+1 [ , f i )16i 6 p est appelée distribution statistique grou-
pée ou continue.

1.3. Tableaux statistiques

Sauf cas exceptionnels, les données statistiques sont présentées sous forme de tableau. D’une part, cela
permet d’appréhender l’information qui est synthétisée et d’autre part facilite ou rend possible les calculs.
STATISTIQUE DESCRIPTIVE 1. DESCRIPTION D’UNE SÉRIE STATISTIQUE 3

Tableau statistique pour une variable qualitative

Modalités ou caractères Effectifs Fréquences Pourcentages Fréquences cumulées

ni fi pi Fi
Catégorie 1 n1 f1 p1 F1
.. .. .. .. ..
. . . . .
n Pi
Catégorie i ni f i = Ni pi = 100 f i Fi = j=1 f j
.. .. .. .. ..
. . . . .
Catégorie m nm fm pm Fm = 1
Total=N Total=1 Total=100

Tableau statistique pour une variable quantitative discrète

Valeurs de la variable Effectifs Fréquences Pourcentages Fréquences cumulées

X ni fi pi Fi
x1 n1 f1 p1 F1
.. .. .. .. ..
. . . . .
n Pi
xi ni f i = Ni pi = 100 f i Fi = j=1 f j
.. .. .. .. ..
. . . . .
xm nm fm pm Fm = 1
Total=N Total=1 Total=100

Tableau statistique pour une variable quantitative continue

Classes Centres de classe Effectifs Fréquences Pourcentages Fréquences cumulées

ci ni fi pi Fi
[a1 , a2 [ c1 n1 f1 p1 F1
.. .. .. .. .. ..
. . . . . .
ai +ai+1 n Pi
[ai , ai+1 [ ci = 2 ni f i = Ni pi = 100 f i Fi = j=1 f j
.. .. .. .. .. ..
. . . . . .
[am , am+1 [ cm nm fm pm Fm = 1
Total=N Total=1 Total=100

Mini-exercices.
1. Le tableau suivant donne la distribution des ménages en Frances en 2010
Nombre de personnes du ménage Pourcentage des ménages
1 34.0
2 31.1
3 14.5
4 12.2
5 4.6
6 et plus 3.6
Nombre total des ménages 27 106.5 en milliers
Construire le tableau statistique en calculant la population comptée dans cette étude.
2. Le tableau suivant donne un extrait de la table de mortalité de la génération féminine française de 1899.
Âge exact 0 1 2 3 4 5 6 7
Survivants à l’âge exact 100 000 84 883 82 247 80 843 79 995 79 186 78 763 78 411
Présenter le tableau statistique de la variable « âge du décès » sous sa forme habituelle, puis donner la signification concrète
de chacune des colonnes du tableau statistique obtenu.
STATISTIQUE DESCRIPTIVE 2. REPRÉSENTATION GRAPHIQUE 4

2. Représentation graphique

2.1. Représentation des caractères qualitatifs

Les cartogrammes

Les cartogrammes représentent les valeurs ou variations d’une grandeur sur un territoire géographique
en assignant à chaque zone – département, région – ses caractéristiques. Pour cela, on utilise des fonds de
cartes pour représenter les variables.

Les diagrammes en colonnes

Le diagramme en tuyaux d’orgue, en barres ou en colonnes est constitué d’une suite de rectangles dont les
hauteurs sont proportionnelles à l’effectif (ou à la fréquence) de la variable et dont les bases sont identiques.
La représentation peut être horizontale ou verticale.

Les diagrammes circulaires

Le diagramme en secteurs ou en camembert visualise la part relative des catégories de la variable sur une
population. Le disque représente l’ensemble de la population, les différentes modalités seront représentées
par des secteurs dont la surface est proportionnelle aux effectifs ou aux fréquences.

2.2. Représentation des caractères quantitatifs

Représentations graphiques pour une distribution statistique discrète

• Le diagramme en bâtons des effectifs (resp. des fréquences) d’une distribution statistique discrète est
constitué d’une suite de segments verticaux d’abscisses x i dont la longueur est proportionnelle à l’effectif
(resp. la fréquence) de x i .
• Le polygone des effectifs (resp. des fréquences) d’une distribution statistique discrète est obtenu à partir
du diagramme en bâtons des effectifs (resp. des fréquences) en joignant par un segment les sommets
des bâtons.
• En remplaçant dans la définition précédente le mot effectifs (resp. fréquences) par effectifs cumulés
(resp. fréquences cumulées), nous obtenons le polygone des effectifs cumulés (resp. des fréquences
cumulées).

Représentations graphiques pour une distribution statistique continue

• L’histogramme est la représentation graphique d’une distribution statistique continu. Deux cas se
distinguent :
1. Dans le cas où les amplitudes des classes sont égales, cet histogramme est constitué d’un ensemble
de rectangles dont la largeur est égale à a, l’amplitude de la classe, et la hauteur égale à K × n j où
n j est l’effectif de la classe et K est un coefficient arbitraire (on peut prendre K = 1 pour simplifier),
de sorte que l’aire totale sous l’histogramme est égale K × N × a où N est l’effectif total.
2. Dans le cas de classes d’amplitudes inégalées k j × a, multiples entiers de l’une d’entre elles a, nous
convenons, pour conserver le résultat précédent, de prendre pour hauteur du rectangle de la classe
K × nj
numéro j le quotient .
kj
• Le polygone des effectifs ou des fréquences d’une distribution statistique continue est obtenu en joignant
dans l’histogramme de cette distribution les milieux des côtés horizontaux supérieurs.
STATISTIQUE DESCRIPTIVE 3. DIVERSES CARACTÉRISTIQUES 5

• Le polygone des fréquences cumulées d’une distribution statistique continue est la représentation
graphique de la fonction définie sur chaque intervalle [ai , ai+1 [ , 1 6 i 6 p, par
i−1
X x − ai
f (x) = fi + fi
j=1
ai+1 − ai

Mini-exercices.
1. L’évolution des émissions de gaz à effet de serre (GES) en million de tonnes est donnée dans le tableau suivant
Année
GES \ 2000 2005 2008 2009
CO2 409 420 391 373
CH4 68 66 66 65
N2 O 78 68 66 62
Représenter graphiquement l’évolution de l’importance relative des divers GES.
2. Représenter la distribution statistique discrète {(1, 2), (2, 3), (3, 4), (4, 1), (5, 6), (6, 5), (7, 2), (8, 3), (9, 1), (10, 1)} :
(a) à l’aide du diagramme en bâtons des effectifs ;
(b) en superposant le diagramme en bâtons et le polygone des fréquences ;
(c) en superposant le diagramme en bâtons et le polygone des effectifs cumulés.
3. Représenter la distribution statistique groupée suivante
{(]1, 3], 4), (]3, 4], 8), (]4, 5.5], 10), (]5.5, 6], 14), (]6, 8], 20), (]8, 10], 12), (]10, 11], 9), (]11, 12.5], 3)} :
(a) à l’aide d’un histogramme des fréquences ;
(b) en superposant l’histogramme des fréquences et son polygone des fréquences ;
(c) à l’aide du polygone des fréquences cumulées.

3. Diverses caractéristiques

3.1. Caractéristiques de position

• Le mode, Mo , correspond à la valeur de la variable pour laquelle la fréquence est la plus élevée. Dans le
cas d’une variable non classée, caractère qualitatif ou variable discrète, la détermination du mode est
immédiate, c’est la valeur ayant le plus grand effectif ou la plus grande fréquence. Pour une distribution
statistique continue, une classe modale, est une classe de densité, c’est-à-dire de rapport fréquence/am-
plitude, maximale. La distribution est unimodale si elle a un seul mode. Si elle en a plusieurs, elle est
multimodale (bimodale, trimodale, etc.).
N +1
• Soit m et d les parties entière et décimale de 2 . La médiane, Me , d’une série statistique est définie
par Me = x m + d(x m+1 − x m ), où x m signifie la mième valeur lorsque la série statistique est rangée par
ordre croissant.
N +1
• Soit m et d les parties entière et décimale de 4 . Le premier quartile, Q 1 , d’une série statistique est
défini par Q 1 = x m + d(x m+1 − x m )
3(N +1)
Soit m0 et d 0 les parties entière et décimale de 4 . Le troisième quartile, Q 3 , d’une série statistique
est défini par Q 3 = x m0 + d 0 (x m0 +1 − x m0 ).
Le diagramme en boîte - autrement appelé boîte à moustaches, « box plot » ou « box and whisker plot » -
donne une représentation très simple de la distribution. Elle consiste en une boîte rectangulaire, dont
les deux extrémités sont les quartiles. On représente aussi la médiane par un trait dans la boîte ainsi que
les valeurs extrêmes par des points.
STATISTIQUE DESCRIPTIVE 3. DIVERSES CARACTÉRISTIQUES 6

F I G U R E 1 . 1 – Boîte-à-moustaches

• La moyenne, x (si le caractère est noté par X ), d’une distribution statistique discrète est le nombre réel
défini par
p p
1X X
x= ni x i = fi x i
N i=1 i=1
p p
1X X
Pour une distribution statistique continue, la moyenne se calcule par x = ni ci = f i ci .
N i=1 i=1

3.2. Caractéristiques de dispersion

• L’étendue, notée e, est la différence entre la plus grande et la plus petite des valeurs prises, donc
e = max(x i ) − min(x i ).
• L’étendue interquartile, notée E IQ, est la différence entre les quartiles Q 3 et Q 1 , donc E IQ = Q 3 − Q 1 .
• La variance d’une distribution statistique discrète est définie par
p p p
1X X X
Var(x) = σ2x = ni (x i − x)2 = f i (x i − x)2 = f i x i2 − x 2
N i=1 i=1 i=1
Pour une distribution statistique continue, la variance se calcule par
p p p
1X X X
Var(x) = σ2x = ni (ci − x)2 = f i (ci − x)2 = f i ci2 − x 2 ,
N i=1 i=1 i=1
Æ
• L’écart-type est égal à Var(x)
• Le moment centré d’ordre r est défini par
Xp X p
r
mr = f i (ci − x) ou m r = f i (ci − x) r
i=1 i=1
| {z } | {z }
cas continu cas continu
Pour faciliter le calcul des moments, on utilisera un tableau comme suit :

x i ou ci fi f i .x i (x i − x) r f i (x i − x) r
x1 f1 f1 .x 1 (x 1 − x) r
f1 (x 1 − x) r
x2 f2 f2 .x 2 (x 2 − x) r
f2 (x 2 − x) r
.. .. .. ..
..
. . . ..

r

r
xp fp f p .x p xp − x
fp x p − x
Pp
Total = 1 x m r = i=1 f i (x i − x) r
σx
• Le coefficient de variation (cas d’une variable positive) est défini par : C V (x) =
x
STATISTIQUE DESCRIPTIVE 3. DIVERSES CARACTÉRISTIQUES 7

3.3. Caractéristiques de forme

• Le coefficient d’asymétrie de Fisher est défini par
m3 (x)
γ1 =
(σ x )3
• Le coefficient d’aplatissement de Fisher est défini par
m4 (x)
γ2 = −3
(m2 (x))2
• Le coefficient d’asymétrie de Pearson est défini par
m23 (x)
= γ21
β1 =
(σ x )3
• Le coefficient d’aplatissement de Pearson est défini par
m4 (x)
β2 = = γ2 + 3
(m2 (x))2

3.4. Caractéristiques de concentration

• L’indice de Gini, I G , associé à la courbe de Lorenz mesure l’importance de la concentration. La courbe
de concentration de Lorenz visualise graphiquement la concentration. La construction de cette courbe
nécessite la connaissance de la distribution des effectifs et de celle de la variable.
• La courbe de Lorenz se construit en inscrivant en abscisses le pourcentage Fi cumulé des effectifs et
en ordonnée le pourcentage cumulé Fi0 des valeurs la variable statistique. Les calculs nécessaires pour
obtenir les différentes caractéristiques sont grandement facilités par la construction du tableau statistique
Variable Fréquences Fréquences cumulées
f i0 Fi0 0
+ Fi0


x i ou ci fi Fi f i Fi−1
f x
x1 f1 F1 = f 1 f1 x 1 f10 = Pp 1 1 F10 = f10 f1 F10
f x
i=1 i i
f x
f20 = F20 = f10 + f20 f2 F10 + F20


x2 f2 F2 = f 1 + f 2 f2 x 2 Pp 2 2
f x
i=1 i i
. . . . . . .
. . . . . . .
. . . . . . .
fp x p
Pp Pp € Š
xp fp Fp = f
i=1 i
=1 fp x p f p0 = Pp F p0 = f0
i=1 i
=1 0
f p F p−1 + F p0
f x
i=1 i i
Pp Pp 0
+ Fi0


Total = 1 f x
i=1 i i
Total = 1 f
i=1 i
Fi−1

L’indice I G résume la concentration à l’aide d’un seul nombre

Xp
0
+ Fi0 .


IG = 1 − f i Fi−1
i=1
L’indice I G varie de 0 à 1, plus il est proche de 0 plus la concentration est faible, s’il est proche de 1 la
concentration est forte. L’indice de concentration est un nombre sans dimension, indépendant de l’unité
choisie.
STATISTIQUE DESCRIPTIVE 4. STATISTIQUE DESCRIPTIVE BIVARIÉE 8

F I G U R E 1 . 2 – Courbe de Lorenz

Mini-exercices.
1. Établir, pour le tableau ci-dessous (nombre d’heures travaillées par semaine des personnes ayant un emploi à plein temps
dans les États membres en 2006)

Pays Durée en h Pays Durée en h Pays Durée en h Pays Durée en h

Allemagne 41.70 Estonie 41.50 Italie 41.30 Pologne 42.90
Autriche 44.10 Finlande 40.50 Lettonie 43.00 Portugal 41.60
Belgique 41.00 France 41.00 Lituanie 39.80 Tchèque 42.70
Chypre 41.80 Grèce 44.10 Luxembourg 40.90 Royaume-Uni 43.10
Danemark 40.50 Hongrie 41.00 Malte 41.20 Slovaquie 41.60
Espagne 42.20 Irlande 40.70 Pays-Bas 40.80 Slovénie 42.50
Suède 41.10
(a) la moyenne, la médiane, le minimum, le maximum, le premier et troisième quartile,
(b) l’étendue, l’étendue interquartile, l’écart-type,
(c) les coefficients d’asymétrie et les coefficients d’aplatissement,
(d) et la boîte de dispersion.
2. Le tableau ci-dessous donne la répartition des SAU (surface agricole utilisée) viticoles en hectares
Classes [0; 5[ [5; 10[ [10; 20[ [20; 50[ [50; 100[ [100; 150[
Fréquences en % 8.3 25 18.4 33.3 11.7 3.3
Calculer l’indice de Gini puis tracer la courbe de Lorenz.

4. Statistique descriptive bivariée

Soit (X , Y ) une distribution statistique d’un couple de caractères sur une population d’effectif N . Notons
(x 1 , x 2 , . . . , x p ), et ( y1 , y2 , . . . , yq ) les valeurs distinctes observées pour X et Y

4.1. Distribution conjointe

• L’effectif du couple (x i , y j ) est égal au nombre ni, j de couples de valeurs égaux à (x i , y j ).
ni, j
• La fréquence du couple (x i , y j ) est égal au nombre f i, j =


N
• (x i , y j ), ni, j 16i 6 p et (x i , y j ), f i, j 16i 6 p sont la distribution des effectifs et la distribution des fré-
16 j 6q 16 j 6q
quences du couple (X , Y ).

4.2. Distributions marginales

q
X
• L’effectif marginal de x i est égal au nombre ni,• = ni, j .
j=1
Xp

• L’effectif marginal de y j est égal au nombre n•, j = ni, j .

i=1
q
X
• La fréquence marginale de x i est égale au nombre f i,• = f i, j .
j=1
Xq

• La fréquence marginale de y j est égale au nombre f•, j = f i, j .

j=1



• (x i , y j ), ni,• 16i 6 p et (x i , y j ), n•, j 16 j 6q sont appelées les distributions marginales des effectifs du
couple (X , Y ).
STATISTIQUE DESCRIPTIVE 4. STATISTIQUE DESCRIPTIVE BIVARIÉE 9



• (x i , y j ), f i,• 16i 6 p et (x i , y j ), f•, j 16 j 6q sont appelées les distributions marginales des fréquences du
couple (X , Y ).

4.3. Indépendance et distributions conditionnelles

• Y est indépendant de X si la distribution des fréquences de Y dans la sous-population Ωi des individus
pour lesquels la valeur de X est x i , ne dépend pas de i.
ni, j f i, j
• La fraction = représente la fréquence conditionnelle de la valeur y j sachant x i .
ni,• f i,•
ni, j f i, j
• La fraction = représente la fréquence conditionnelle de la valeur x i sachant y j .
n•, j f
 •, j 
f i, j
• La distribution y j , est appelée la distribution conditionnelle des fréquences de Y sachant
f• 16 j 6q
que X = x i .  
f i, j
• La distribution x i , est appelée la distribution conditionnelle des fréquences de X sachant
f•, j 16i 6 p
que Y = y j .

4.4. Covariance et coefficient de corrélation linéaire

• Covariance du couple (X , Y )
X
X
Cov(X , Y ) = f i j (x i − x) y j − y = f i j x i y j − x y.
16i 6 p 16i 6 p
16 j 6q 16 j 6q

Si X et Y sont indépendants, alors la covariance du couple (X , Y ) est nulle.

• Coefficient de corrélation linéaire
Cov(X , Y )
r(X , Y ) = .
σx σ y
Le coefficient de corrélation r(X , Y ) est toujours compris entre −1 et 1.

4.5. Ajustement linéaire

Nous voulons ajuster la distribution de (X , Y ) à une fonction linéaire ou affine Y = aX + b. Cet ajustement
s’appelle la régression linéaire de Y en X . On définit de même X = a0 Y + b0 comme la régression linéaire de
X en Y .
• La droite d’ajustement linéaire ou affine passe par le point moyen (x, y).
• La pente de la droite d’ajustement linéaire de Y en X est
Cov(X , Y )
a= .
Var(X )
• La pente de la droite d’ajustement linéaire de X en Y est
Cov(X , Y )
a0 = .
Var(Y )
Remarque.

• r 2 (X , Y ) = a × a0 .
• L’ajustement est considéré significatif si le coefficient |r(X , Y )| est supérieur ou égal à 0.7.
Mini-exercices.
À l’oral du CAPES de mathématiques, chaque candidat est interrogé à l’épreuve d’exposé où il obtient la note X et à l’épreuve sur
dossier où il obtient la note Y (notes sur 20). Les résultats obtenus par 104 candidats sont donnés dans le tableau ci-dessous :
STATISTIQUE DESCRIPTIVE 5. INDICES 10

X\
Y
[0, 4[ [4, 8[ [8, 12[ [12, 16[ [16, 20[
[0, 4[ 1 1
[4, 8[ 1 3 5 11
[8, 12[ 2 10 10 28
[12, 16[ 1 3 9 11
[16, 20[ 2 4 2
1. Calculez la moyenne de X , de Y , l’écart-type de X et de Y .
2. Donnez la distribution marginale des effectifs de X et de Y .
3. Calculez la fréquence conditionnelle de X ∈ [12, 16[ sachant Y ∈ [4, 8[.
4. Calculez la covariance de X et de Y puis déduisez-en le coefficient de corrélation.

5. Indices
Un indice simple est le rapport des valeurs prises par une grandeur entre deux dates. Un indice synthétique,
ou indice composé est un indicateur de tendance centrale d’une distribution d’indices simples. Les indices
synthétiques sont souvent des moyennes d’indices simples, qui peuvent être arithmétique ou harmonique.

5.1. Indices de Laspeyres

• L’indice de Laspeyres des prix est une moyenne arithmétique des indices élémentaires des prix.
• Formule de l’indice de Laspeyres des prix :
p1h
soit i(p)h1/0 = p0h
l’indice élémentaire du prix du produit h, et k0h le coefficient budgétaire de l’année ou
la période de base. Alors on a :
n
X
L(p)1/0 = k0h × i(p)h1/0 .
h=1

5.2. Indices de Paasche

• L’indice de Paasche des prix est la moyenne harmonique des indices élémentaires des prix pondérés par
les coefficients de l’année courante.
• Formule de l’indice de Paasche des prix :
p1h
soit i(p)h1/0 = p0h
l’indice élémentaire du prix du produit h, et k1h le coefficient budgétaire à l’année
courante ou l’époque de base. Alors on a :
n
1 X k1h
= .
P(p)1/0 h=1 i(p)h
1/0

5.3. Indices de Fisher

• L’indice de Fisher est la moyenne géométrique des indices de Laspeyres et de Paasche.
• Formule de l’indice de Paasche des prix :
q
F (p)1/0 = L(p)1/0 × P(p)1/0 .
• L’indice de Fisher vérifie la propriété de réversibilité, à savoir F (p)0/1 × F (p)1/0 = 1.
Mini-exercices.
On donne les tableaux suivants :
STATISTIQUE DESCRIPTIVE 5. INDICES 11

Tableau 1 Indices base 100 année 0.

i(p)hi/0 Année 0 Année 1 Année 2 Année 3
A 100 103 104 108.2
B 100 104 104 109.2
C 100 102 104 107.2
D 100 102 106.1 111.4
Tableau 2 Structure des dépenses par fonction de consommation (milliers d’euros).
Valeurs Année 0 Année 1 Année 2 Année 3
A 400 470 480 470
B 360 370 380 350
C 120 160 170 160
D 240 240 250 230
Tableau 3 Structure des dépenses par fonction de consommation (en %).
Année 0 Année 1 Année 2 Année 3
A 35.7 37.9 37.5 38.8
B 32.1 29.8 29.7 28.9
C 10.7 12.9 13.3 13.2
D 21.4 19.4 19.5 19.0
Calculer L(p)3/0 , P(p)3/0 et F (p)3/0