Cours Statistiques-Demographie

FACULTE DE DROIT ET DES
SCIENCES ECONOMIQUES
DEPARTEMENTS DE SCIENCES ECONOMIQUES
STATISTIQUES DESCRIPTIVES
ET DEMOGRAPHIE
Licence 1 Economie
Pr. ASSOUMOU ONDO
Maître de Conférences Agrégé
Sciences Economiques et Gestion
Directeur du Département d’Economie
 OBJET DU COURS :
Donner les bases de statistiques descriptives et de la démographie qui

permettront d’aider à la prise de décision.
 COMPETENCES ACQUISES
L’Etudiant sera capable de :
✓ Identifier les caractères d’une populations;
✓ Tracer des graphiques (circulaire, en bâton, etc.) pour chaque caractère;
✓ Calculer les paramètres de position, de dispersion et de forme de chaque
caractère;
✓ Faire une analyse préliminaire des relations entre deux caractères;
✓ Faire une analyse démographique préliminaire;
✓ Discuter de la situation démographique du Gabon.
 PLAN DU COURS :
INTRODUCTION
Chapitre 1 : Variables, données, statistiques, tableaux, effectifs.
Chapitre 2 : Statistique descriptive univariée.
Chapitre 3 : Statistique descriptive bivariée.
Chapitre 4 : Quelques éléments de démographie.
CONCLUSION
INTRODUCTION
QU’Est-ce QUE LA STATISTIQUE
La statistique est un outil d’aide à la décision qui recouvre un ensemble

de méthodes qui contribuent à la connaissance, sous formes de résumés
qui sont souvent numériques, d’un ensemble analysable que l’on doit
étudier.
Le terme statistique a un double sens en français :
 La totalité des données numériques ou non numériques ;
 Un ensemble cohérent de méthodes scientifiques qui permettent de
rassembler l’ensemble des données (numériques ou non).
INTRODUCTION
On dénombre aussi différents genres de statistiques :
(i) Statistique Descriptive ;
(ii) Statistique Inférentielle.
La statistique descriptive est abordée en Licence 1 Economie alors

que la statistique inférentielle sera présentée en Licence 3.
INTRODUCTION
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.1 Définitions fondamentales
1.1.1 La science statistique.
- Méthodes scientifiques du traitement des données ;

- Etymologiquement : science de l’état;
- La statistique s’applique à la plupart des disciplines : agronomie, biologie,
démographie, économie, sociologie, linguistique, psychologie, …
1.1.2 Mesure et Variables
- On s’intéresse à un nombre fini d’unités statistiques ou unités

d’observations ;
- Sur ces unités, on mesure un caractère ou une variable, le
chiffre d’affaires de l’entreprise, le revenu du ménage, l’âge de
la personne, la catégorie socioprofessionnelle d’une personne.
On suppose que la variable prend toujours une seule valeur sur
chaque unité. Elles sont désignées par simplicité par une lettre
(X, Y, Z).
1.1.2 Mesure et Variables
- Les valeurs possibles de la variable, sont appelées modalités.

- L’ensemble des valeurs possibles ou des modalités est appelé
le domaine de la variable.
1.1.3 Typologies de Variables

 Variable QUALITATIVE : les modalités sont des catégories
• Variable qualitative NOMINALE : les modalités ne peuvent être

ordonnées (Couleur, Genre, etc.).
• Variable qualitative ORDINALE : les modalités peuvent être
ordonnées (Niveau d’étude, Satisfaction client, etc.).

 Variable QUANTITATIVE : les modalités sont des valeurs numériques
• Variables quantitative DISCRÈTE : une variable est
dite discrète, si l’ensemble des valeurs possibles
est dénombrable. La variable X est dite discrète
lorsqu’elle ne peut prendre que des valeurs
isolées :
𝑥1, 𝑥2, … , 𝑥𝑚 (Où 𝑥1 < 𝑥2 < ⋯ < 𝑥𝑚)

 Variable QUANTITATIVE : les modalités sont des valeurs numériques
• Variable quantitative CONTINUE : une variable est dite continue, si

l’ensemble des valeurs possibles est continu. La variable statistique X
est dite continue lorsqu’elle peut prendre n’importe qu’elle valeur d’un
intervalle [𝑎, 𝑏].
Dans ce cas, l’intervalle des valeurs possibles [𝑎, 𝑏] est divisé par k
intervalles :
[𝑎0, 𝑎1 [, [𝑎1 , 𝑎2 [, … , [𝑎𝑘−2, 𝑎𝑘−1[, [𝑎𝑘−1, 𝑎𝑘 [
(Où :𝑎0 < 𝑎1 < … < 𝑎𝑘 = 𝑏) qui sont appelées classes.
Exemples :
Exemple : Les modalités de la variable sexe sont masculin (codé

M) et féminin (codé F). Le domaine de la variable est {M, F}.
Exemple : Les modalités de la variable nombre d’enfants par
famille sont 0, 1,2,3,4,5, … C’est une variable quantitative discrète.
1.1.4 Séries statistiques

On appelle séries statistiques la suite des valeurs prises par une variable 𝑿 sur
les unités d’observation.
 Le nombre d’unité d’observation est noté n.
 Les valeurs de la variable 𝑿 sont notées :
𝑥1 , 𝑥2 , … , 𝑥𝑖 , … 𝑥𝑛

Exemple : On s’intéresse à la variable « état civil » noté X et à la série statistique
des valeurs prises par X sur 20 personnes. La codification est :
Le domaine de la variable X est {C, M, V, D}.


Considérons la série statistique suivante
Ici, n = 20.
1.2 Variables qualitatives nominales
1.2.1 Effectifs, Fréquences et Tableau Statistique
On note J, le nombre de valeurs distinctes ou modalités. Les valeurs distinctes
sont notées:
𝒙𝟏 , … , 𝒙𝒋 , … , 𝒙𝑱
On appelle effectif d’une modalité ou d’une valeur distincte, le nombre de fois
que cette modalité (ou valeur distincte) apparaît. On note 𝒏𝒋 , l’effectif de la
modalité 𝒙𝒋. La fréquence d’une modalité est l’effectif divisé par le nombre
d’unité d’observation.
𝒏𝒋
𝒇𝒋 = avec j = 1, …, J
𝒏
1.2.1 Effectifs, Fréquences et Tableau Statistique
Exemple : Avec la série statistique de l’exemple précédent, on obtient :
1.2.2 Diagramme en secteur et diagramme en barre
Le tableau statistique d’une variable qualitative nominale peut être représenté
en deux types de graphiques. Les effectifs sont représentés par un diagramme
en barre et les fréquences par un diagramme en secteur (camembert).
 Diagramme en secteur : On doit partager 360° en secteur proportionnels
aux effectifs.
Dans l’exemple précédent, l’effectif 9 correspond à un angle de :
𝟑𝟔𝟎 × 𝟗
𝐝𝐞𝐠𝐫é𝑪 = = 𝟑𝟔𝟎 ∗ 𝟎. 𝟒𝟓 = 𝟏𝟖 ∗ 𝟗 = 𝟏𝟔𝟐°
𝟐𝟎
𝐝𝐞𝐠𝐫é𝒊 = 𝟑𝟔𝟎 × 𝒇𝒊
 Diagramme en secteur : On doit partager 360° en secteur proportionnels
aux effectifs.
xj nj Nj fj (%) Fj degré
C 9 4 45 45 162
M 7 15 35 80 126
V 2 29 10 90 36
D 2 38 10 100 36
Total 20 100 360
 Diagramme en secteur : On obtient le diagramme en secteurs suivant :
 Diagramme en barres des effectifs :
1.3 Variables qualitatives ordinale
1.3.1 Le tableau statistique
Les valeurs distinctes d’une variable ordinale peuvent être ordonnées, ce
qu’on écrit :
Si la variable est ordinale, on peut calculer les effectifs cumulés.
On a 𝑵𝟏 = 𝒏𝟏 et 𝑵𝑱 = 𝒏.
On peut également calculer les fréquences cumulées.
Exemple : On interroge 50 personnes sur leurs diplômes obtenus (Y). La
codification est faite selon le tableau 1.1.
Exemple : On obtient la série statistique présentée dans le tableau 1.2.
Exemple : On obtient le tableau statistique complet présenté dans le
tableau 1.3.
1.3.2 Le diagramme en secteurs
Les fréquences d’une variable qualitative ordinale sont représentées au
moyen d’un diagramme en secteurs.
1.3.3 Le diagramme en barres des effectifs
Les effectifs d’une variable qualitative ordinale sont représentées au
moyen d’un diagramme en barres.
1.3.4 Le diagramme en barres des effectifs cumulés
Les effectifs cumulés d’une variable qualitative ordinale sont représentées
au moyen d’un diagramme en barres.
1.4 Variables quantitative discrète
Une variable discrète a un domaine dénombrable.
Exemple : Un quartier est composé de 50 ménages, et la variable Z représente
le nombre de personnes par ménage. Les valeurs de la variable sont :
1.4.2 Le Diagramme en bâtonnets des effectifs
Quand la variable est discrète, les effectifs sont représentés par des bâtonnets.
A chaque valeur xi de la variable, portée en abscisses, on fait correspondre un
segment vertical de longueur proportionnelle à l’effectif (où à la fréquence) de
cette valeur.
1.4.2 Le Diagramme en bâtonnets des effectifs
Quand la variable est discrète, les effectifs sont représentés par des bâtonnets.
A chaque valeur xi de la variable, portée en abscisses, on fait correspondre un
segment vertical de longueur proportionnelle à l’effectif (où à la fréquence) de
cette valeur.
1.4.3 Fonction de répartition
Les fréquences cumulées sont représentées au moyen de la fonction de
répartition. Cette fonction est définie de R dans [0, 1] et vaut :
On obtient le résultat suivant (diagramme « en escalier »):
1.5 Variables quantitative continue
1.5.1 Le Tableau statistique
Une variable quantitative continue peut prendre une infinité de valeurs
possibles. Le domaine de la variable est alors ℛ ou un intervalle de ℛ. Pour
faire des représentations graphiques et construire le tableau statistique, il
faut procéder à des regroupements en classes.
La répartition en classe des données nécessite de définir a priori le
nombre de classes 𝑱 et donc l’amplitude de chaque classe. En règle
générale, on choisit au moins cinq classes de même amplitude.
Tableau 7 : On mesure la taille en centimètre de 50 élèves d’une classe.
On les classe de taille définies préalablement comme il suit :
On construit le tableau statistique :
1.5.2 Histogramme
L’histogramme consiste à représenter les effectifs (resp. les fréquences) des
classes par des rectangles contigus dont la surface (et non la hauteur)
représente l’effectif (resp. la fréquence). Pour un histogramme des effectifs,
la hauteur du rectangle correspondant à la classe 𝒋 est donc donnée par :
- On appelle ℎ𝑗 la densité d’effectif

- L’air de l’histogramme est égale à l’effectif total n, puisque l’aire de
chaque rectangle est égale à l’effectif de la classe 𝑗 : 𝒂𝒋 × 𝒉𝒋 = 𝒏𝒋 .
1.5.2 Histogramme
Pour un histogramme des fréquences, on a :
- On appelle dj la densité de fréquence.

- L’aire de l’histogramme est égale à 1, puisque l’aire de chaque
rectangle est égale à la fréquence de la classe j : 𝒂𝒋 × 𝒅𝒋 = 𝒇𝒋 .
1.5.2 Histogramme
Figure 1.8 : histogramme des fréquences
1.5.2 Histogramme
Les classes étant d’amplitude égale, il suffit que chaque rectangle ait
une hauteur proportionnelle à la fréquence (relative ou absolue) de
cette classe.
Si les deux dernières classes sont agrégées, comme dans la Figure 1.9,
la surface du dernier rectangle est égale à la surface des deux derniers
rectangles de l’histogramme dans la figure 1.8.
1.5.2 Histogramme
1.5.3 polygone des fréquences
Si les classes ont d’amplitudes égales, on trace le polygone des fréquences

en joignant les milieux des segments supérieurs de chaque rectangle (en
joignant éventuellement deux classes de même amplitude et de
fréquence nulle, de chaque côté de l’histogramme). Ce polygone de
fréquences a une surface égale à celle de l’histogramme.
La fonction de répartition 𝐹(𝑥) est une fonction de ℛ dans [0, 1], qui
est définie par :
Graphiquement on obtient :
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
2.1.1 Le MODE
Le mode est la valeur distincte correspondant à l’effectif le

plus élevé ; il est noté 𝒙𝑴. Il s’agit de la valeur dominante
d’une série. Le mode peut ne pas exister, ou même s’il
existe, il peut être multiple, la courbe de fréquence est alors
multimodale.
univariée.
2.1.1 Le MODE
 Variables qualitatives et quantitatives discrète.
Lorsque la variable est discrète, le mode est facilement repérable.

Sur le tableau statistique 𝑥𝑖 ; 𝑓𝑖 , c’est le 𝒙𝒊 pour lequel la fréquence
est la plus élevée. Sur le diagramme en bâtons, c’est la valeur 𝒙𝒊
correspondant au bâton le plus haut. Si la série présente deux
fréquences consécutives maximales identiques, on définit un
intervalle modal à défaut de pouvoir donner une valeur exacte du
mode.
univariée.
2.1.1 Le MODE
 Variables qualitatives et quantitatives discrète.
Si on reprend la variable « état civil », on a :
Le mode est C : célibataire.

univariée.
2.1.1 Le MODE
 Variables continues
Lorsque la variable est continue, deux situations se présentent:
CAS 1 : Amplitudes de classes sont égales.
On définit la classe modale comme la classe (ou l’histogramme)
correspondant à la fréquence maximale.
univariée.
2.1.1 Le MODE
CAS 1 : Amplitudes de classes sont égales.
Classe 0 à 10 10 à 20 20 à 30 30 à 40
ni 2 3 4 1
Par convention, on peut prendre le mode Mo comme la valeur qui occupe le
centre de la classe, soit ici Mo = 25. On peut aussi déterminer graphiquement la
valeur du mode (A l’intérieur de la classe modale par la méthode des diagonales).
univariée.
2.1.1 Le MODE
CAS 2 : Amplitudes de classes inégales
Il faut donc « corriger » les effectifs ou les fréquences relatives, de la même

manière que l’on avait fait pour construire l’histogramme sur les classes inégales
et la détermination du mode se ramène à la détermination précédente : classe
modale et graphe.
univariée.
2.1.1 Le MODE
Classe [10, 20[ [20, 30[ [30, 50[ [50, 90[ [90, 100[
ni 5 10 30 240 30
ai 10 10 20 40 10
di = ni/ai 2 1 1,5 6 3
univariée.
2.1.1 Le MODE
La détermination de la classe modale se fait en trois étapes
• Calcul des amplitudes ;
• Calcul des densités (relatives ou absolues) ;
• On définit la classe modale comme la classe (ou l’histogramme) correspondant
à la densité maximale (ou fréquence corrigée maximale).
Par convention, on peut corriger le mode Mo comme la valeur qui occupe le
centre de la classe modale, soit ici, 𝑀0 = 70, correspondant à ℎ𝑖 = 60.
univariée.
2.1.1 Le MODE
Remarque 2.1
- Le mode peut être calculé pour tous les types de variables, quantitative et
qualitative ;
- Le mode n’est pas nécessairement unique ;
- Quand une variable continue est découpée en classes, on peut définir une
classe modale (classe correspondant à l’effectif le plus élevé).
univariée.
2.1.2 La MOYENNE ARITHMETIQUE
La moyenne ne peut être définie que sur une variable quantitative.
 Variables Discrète
La moyenne est la somme des valeurs observées divisées par leur nombre, elle
est notée 𝑥:ҧ
univariée.
La moyenne peut être calculée à partir des valeurs distinctes et des effectifs :
univariée.
Exemple : Les nombres d’enfants de 8 familles sont les suivants : 0,0,1,1,1,2,3,4.
La moyenne est :
univariée.
On peut aussi faire les calculs avec les valeurs distinctes et les effectifs :
univariée.
 Variables Continues
La moyenne arithmétique des séries continue est donnée par la formule
suivante : 𝑱 𝒏𝒋 𝒄𝒋
ഥ
𝒙=෍
𝒋=𝟏 𝒏
Avec 𝑐𝑖 , le centre de la classe 𝑖.

univariée.
ഥ
𝒙=෍
𝒋=𝟏 𝒏

univariée.
2.1.3 Remarque sur le signe de sommation Σ
Définition 2.1.
Les xi sont des valeurs observées.

univariée.
Exemple 2.2.
univariée.
Propriété 2.1.
univariée.
Propriété 2.1.
univariée.
ഥ
𝒙=෍
𝒋=𝟏 𝒏

univariée.
2.1.3 La MOYENNE GEOMETRIQUE
Si xi ≥ 0, on appelle moyenne géométrique la quantité :
On peut écrire la moyenne géométrique comme l’exponentiel de la

moyenne arithmétique des logarithmes des valeurs observées:
univariée.
Dans le cas pondéré, la moyenne géométrique s’écrit :
𝒏
𝒙 = ෑ 𝒙𝒊 𝒇𝒊
ഥ
𝒊=𝟏
La moyenne géométrique s’utilise par exemple quand on veut calculer

la moyenne de taux d’intérêt.
univariée.
univariée.
2.1.4 La MOYENNE HARMONIQUE
Si xi ≥ 0, on appelle moyenne harmonique la quantité :
Il est judicieux d’appliquer la moyenne harmonique sur des vitesses.

univariée.
Exemple : Un cycliste parcours 4 étapes de 100km. Les vitesses respectives
pour ces étapes sont de 10km/h, 30km/h, 40km/h et 20km/h. Quelle a été
sa vitesse moyenne ?
univariée.
univariée.
Remarque 2.3 Il est possible de montrer que la moyenne harmonique est
toujours inférieure ou égale à la moyenne géométrique qui est toujours
inférieure ou égale à la moyenne arithmétique :
Il est possible d’obtenir la relation suivante :

𝑮𝟐
𝑯=
𝑨
D’où : 𝑮 = 𝑨𝑯
univariée.
2.1.5 La MEDIANE
La Médiane, notée 𝒙𝑴𝒆 ou 𝒙𝟏/𝟐 est la valeur du caractère qui occupe le milieu
de la distribution statistique. Pour une série classée, la médiane est la valeur
du caractère qui partage la série en deux parties d’égale fréquence (relative
ou absolue). C’est donc la valeur du caractère pour laquelle la fréquence
cumulée est égale à ½.
𝟏 𝒏
𝑭 𝑴𝒆 = ou 𝑵 𝑴𝒆 = (1)
𝟐 𝟐
Elle est obtenue de la manière suivante.

univariée.
2.1.5 La MEDIANE
 Détermination graphique :
Pour une distribution donnée, on trace les courbes de fréquences cumulées.
La médiane est déterminée par l’intersection des deux courbes cumulées
(croissante et décroissante) ou par la valeur xi correspondant à la fréquence
cumulée (1/2).
 Cas des variables discrètes :
✓ Si n est impair, on pose n = 2k -1 et la médiane est constituée par le (k) ième
terme.
✓ Si n est pair, on pose n = 2k. Deux valeurs se trouvent au milieu de la série. Elle
correspond à la moyenne arithmétique du (k)ième et du (k+1)ième terme.
univariée.
2.1.5 La MEDIANE
✓ Si n est impair, on pose n = 2k -1 et la médiane est constituée par le (k) ième
terme.
✓ Si n est pair, on pose n = 2k. Deux valeurs se trouvent au milieu de la série. Elle
correspond à la moyenne arithmétique du (k)ième et du (k+1)ième terme.
univariée.
2.1.5 La MEDIANE
Exemple : soit la série 3 2 1 0 0 1 2, on a : n = 7.
On trie la série par ordre croissant des valeurs observées. On obtient
0011223
Comme n = 2k -1, on aboutit à k = 4 (4ème rang),
La médiane est 𝒙𝟏Τ𝟐 = 𝟏
univariée.
2.1.5 La MEDIANE
Exemple : soit la série 3 2 1 0 0 1 2 4, on a : n = 8.
On trie la série par ordre croissant des valeurs observées. On obtient
00112234
Comme n = 2k, on aboutit à k = 4 (La médiane est entre le 4ème et 5ème terme),
La médiane est comprise entre 1 et 2, soit 𝒙𝟏Τ𝟐 = 𝟏, 𝟓

univariée.
2.1.5 La MEDIANE
 Cas des variables continues :
La détermination de la médiane se fait alors approximativement, par interpolation
linéaire.
𝟏 𝑵
𝑴𝒆 ∈ [𝒂, 𝒃] et 𝑭𝒊−𝟏 < < 𝑭𝒊+𝟏 Ou encore 𝑴𝒆 ∈ [𝒂, 𝒃] et 𝑵𝒊−𝟏 < < 𝑵𝒊+𝟏
𝟐 𝟐
On écrit :
univariée.
2.1.5 La MEDIANE
 Cas des variables continues :
Exemple : Déterminons la médiane de la distribution suivante :
Classe 0à5 5 à 10 10 à 30 30 à 50
ni 1 2 3 4
Ni 1 3 6 10
La médiane est la valeur Me du caractère qui correspond à l’effectif cumulé
N/2 = 5. Donc, elle sera telle que :
𝟏𝟎 < 𝑴𝒆 < 𝟑𝟎 𝑴𝒆 −𝟏𝟎 𝟑𝟎−𝟏𝟎 𝟐𝟎 𝟐×𝟐𝟎

ቊ ↔ = = , donc 𝑴𝒆 = 𝟏𝟎 + = 𝟐𝟎. 𝟑𝟑
𝟑<𝟓<𝟔 𝟓−𝟑 𝟔−𝟑 𝟑 𝟑
univariée.
2.1.5 La MEDIANE
✓ Remarque :
La médiane peut être calculée sur des variables quantitatives et sur des
variables qualitatives ordinales.
univariée.
2.2 Paramètres de Dispersion
2.2.1 L’étendue
L’étendue (ou intervalle de variation) est simplement la différence entre
la plus grande et la plus petite valeur observée.
L’Etendue d’une série est la manière la plus simpliste de mesurer la

dispersion, car c’est la différence entre les deux valeurs extrêmes. Cette
caractéristique est très imparfaite, elle est sujette à des fluctuations
considérables.
univariée.
2.2.2 La variance
La variance (moment centré d’ordre deux) est la somme des carrés
des écarts à la moyenne divisée par le nombre d’observations. Il s’agit
de la moyenne quadratique (ou moyenne d’ordre deux) des écarts à
la moyenne arithmétique. Elle est définie par :
ou
univariée.
2.2.2 La variance
La variance peut également être définie à partir des effectifs et des valeurs
distinctes :
ou
univariée.
2.2.2 La variance
Quand on veut estimer une variance d’une variable X à partir d’un échantillon
(une partie de la population sélectionnée au hasard) de taille n, on utilise la
variance « corrigée » divisée par n-1.
univariée.
2.2.3 L’écart-type
L’écart-type est la racine carrée de la variance.
Lorsqu’on veut estimer l’écart-type d’une variable X à partir d’un échantillon de

taille n, on utilise la variance corrigée pour définir l’écart-type.
univariée.
Exemple :
univariée.
Exemple :
𝟐𝟐𝟖
ഥ
𝒙= 𝟐𝟎
= 𝟏𝟏. 𝟒 (Moyenne arithmétique)
𝟏𝟓𝟔.𝟖
𝑽= = 𝟕. 𝟖𝟒 (Variance) ;
𝟐𝟎
𝝈 = 𝑽 = 𝟐. 𝟖 (Ecart-type)
univariée.
2.2.4 Le coefficient de variation (CV)
Connaissant la moyenne et l’écart-type de la série, il est possible de calculer le
coefficient de variation (ou écart-type relatif).
𝝈
Coefficient de variation =
ഥ
𝒙
Le coefficient de variation est une mesure (en pourcentage) de la dispersion

relative.
univariée.
2.2.5 L’écart moyen absolu
L’écart moyen absolu est la somme des valeurs absolus des écart à la
moyenne divisée par le nombre d’observations :
2.2.5 L’écart médian absolu

L’écart moyen absolu est la somme des valeurs absolus des écart à la
médiane divisée par le nombre d’observations :
univariée.
2.3 Les moments
Définition 1 : On appelle Moment à l’origine d’ordre 𝑟 ∈ 𝑁 le paramètre.
Définition 2 : On appelle Moment centré d’ordre 𝑟 ∈ 𝑁 le paramètre.

univariée.
2.3 Les moments
Les moments généralisent la plupart des paramètres. On a en particulier :
univariée.
2.4 Les paramètres de forme (Symétrie et Aplatissement)
2.4.1 Analyse de la Symétrie par rapport à la moyenne.
 Méthode Graphique
Observer l’allure de l’Histogramme.
univariée.
 Méthode empirique
Elle revient à comparer le MODE, la MOYENNE et la MEDIANE.
(1) Si Mode > Médiane > Moyenne, alors la Distribution est étalée à GAUCHE;
(2) Si Moyenne > Médiane > Mode, alors la Distribution est étalée à DROITE.
univariée.
 Méthodes paramétriques
✓ Coefficient d’asymétrie de Fisher (Skewness)
Le moment centré d’ordre trois est défini par :
Il peut prendre des valeurs positives, négatives ou nulles.

L’asymétrie se mesure au moyen du coefficient d’asymétrie de Fisher.
univariée.
✓ Coefficient d’asymétrie de Fisher (Skewness)
Il permet de comparer les distributions même si leurs échelles sont différentes. Il est
définit par le rapport entre le moment centré d'ordre 3 et l'écart-type au cube : (1)
Si le coefficient est nul, alors la distribution est SYMÉTRIQUE autour de la moyenne ;
(2) Si le coefficient est négatif, alors la distribution est étalée à GAUCHE; (3) Si le
coefficient est positif, alors la distribution est étalée à DROITE.
univariée.
✓ Coefficient d’asymétrie de Pearson
Il est basé sur une comparaison de la moyenne et du mode, et est standardisé
par l’écart-type.
(1) Si le coefficient est nul, alors la distribution est SYMÉTRIQUE ;

(2) Si le coefficient est négatif, alors la distribution est étalée à GAUCHE;
(3) Si le coefficient est positif, alors la distribution est étalée à DROITE.
univariée.
2.4.1 Analyse de l’aplatissement (Kurtosis).
L’aplatissement est mesuré par le coefficient d’aplatissement de Pearson.
Bivariée.
3.1 Série statistique bivariée
On s’intéresse à deux variables x et y. Ces deux variables sont mesurées sur les n
unités d’observation. Pour chaque unité, on obtient donc deux mesures. La série
statistique est une suite de n couples des valeurs prises par les deux variables sur
chaque individu :
Chacune des deux variables peut être, soit quantitative, soit qualitative.
On examine deux cas.
 Les deux variables sont quantitatives;
 Les deux variable sont qualitatives.
Bivariée.
3.2 Deux variables quantitatives
3.2.1. Représentation graphique de deux variables
Dans ce cas, chaque couple est composé de deux valeurs numériques. Un couple
de nombre (entiers ou réels) peut toujours être représenté comme un point dans un
plan.
Bivariée.
3.2.1. Représentation graphique de deux variables
Bivariée.
3.2.2. Analyse des variables.
Les variables 𝒙 et 𝒚 peuvent être analysées séparément. On peut calculer

tous les paramètres dont les moyennes et les variances :
Ces paramètres ont appelés paramètres marginaux : variances marginales,

moyennes marginales, écart-types marginaux, quantiles marginaux, etc.
Bivariée.
3.2.3. Covariance
La covariance est définie.
Remarque.
- La covariance peut prendre des valeurs positives, négatives ou nulles.
- Quand 𝑥𝑖 = 𝑦𝑖 , pour tout 𝑖 = 1, … , 𝑛 la covariance est égale à la variance.
Bivariée.
3.2.3. Corrélation (linéaire)
✓ Graphiquement
Bivariée.
3.2.3. Corrélation
✓ Analytiquement :
Le coefficient de corrélation est la covariance divisée par les deux écart-types
marginaux :
Propriétés :
−𝟏 ≤ 𝒓𝒙𝒚 ≤ 𝟏
Qualité de l’ajustement.
𝟑 𝟑
Si 𝟐
≤ 𝒓𝒙𝒚 ≤ 𝟏 ou −𝟏 ≤ 𝒓𝒙𝒚 ≤ − 𝟐
, on dit qu’il y a une forte corrélation linéaire entre x et y ;
𝟏 𝟏
Si 𝟎 ≤ 𝒓𝒙𝒚 ≤ 𝟒 ou − 𝟒 ≤ 𝒓𝒙𝒚 ≤ 𝟎, on dit qu’il y a une faible corrélation linéaire entre x et y.
Bivariée.
3.2.3. Corrélation
✓ Analytiquement :
Interprétation des résultats :
Bivariée.
3.2.3. Corrélation
Le coefficient de détermination est le carré du coefficient de corrélation.
Bivariée.
Exemple :
Le tableau suivant donne l’évolution de la moyenne Y, d’un étudiant compte tenu de
sa note de mathématiques X durant quatre années d’étude.
1. Calculs de base
ഥ = 𝟏𝟓 ; ഥ 𝟖𝟑𝟗
𝑿 𝒀 = 𝟏𝟑. 𝟕𝟓 ; 𝑪𝑶𝑽 𝒙, 𝒚 = − 𝟏𝟓 × 𝟏𝟑. 𝟕𝟓 = 𝟑. 𝟓 ;
𝟒
𝟗𝟐𝟔
𝑽𝒂𝒓𝑿 = 𝟒
− (𝟏𝟓) 𝟐
= 𝟔. 𝟓 ; 𝝈𝑿 = 𝟔. 𝟓 = 𝟐. 𝟓𝟓
𝟕𝟔𝟓
𝑽𝒂𝒓𝒀 = 𝟒
− 𝟏𝟑. 𝟕𝟓 𝟐 = 𝟐. 𝟏𝟗 ; 𝝈𝑿 = 𝟐. 𝟏𝟗 = 𝟏. 𝟒𝟖
Bivariée.
Exemple :
sa note de mathématiques durant quatre années d’étude.
2. Calcul du coefficient de corrélation entre X et Y
Il y a une forte corrélation entre X et Y, donc un

ajustement linéaire est fondé.
Bivariée.
Remarque 3.2 :
Bivariée.
Remarque 3.2 :
Bivariée.
3.2.5 : Droite de régression.
La droite de régression est la droite qui ajuste au mieux un nuage de points au sens des
moindres carrés.
On considère que la variable X est explicative et que la variable Y est dépendante.
L’équation d’une droite est :
Bivariée.
Le problème consiste à identifier une droite qui ajuste bien le nuage de points. Si
les coefficients a et b étaient connus, on pourrait calculer les résidus de la
régression définie par :
Le résidu 𝑒𝑖 est l’erreur que l’on commet en utilisant la droite de régression pour
prédire 𝑦𝑖 à partir de 𝑥𝑖. Les résidus peuvent être positifs ou négatifs.
Bivariée.
Bivariée.
Pour déterminer la valeur des coefficients 𝑎 et 𝑏 on utilise le principe des moindres
carrés qui consiste à chercher la droite qui minimise la comme des carrés des
résidus :
Théorème 3.2 Les coefficients a et b qui minimisent le critère des moindres carrés
sont donnés par :
Bivariée.
Bivariée.
Exemple :
sa note de mathématiques durant quatre années d’étude.
Calcul des coefficients de la droite de régression

𝑪𝑶𝑽(𝒙,𝒚) 𝟑.𝟓
La pente : ෝ
𝒂= 𝑽𝒂𝒓(𝑿)
= 𝟔.𝟓
= 𝟎. 𝟓𝟒
෡= ഥ
L’ordonné à l’origine : 𝒃 𝒀−ෝ
𝒂𝑿ഥ = 𝟏𝟑. 𝟕𝟓 − 𝟎. 𝟓𝟒 × 𝟏𝟓 = 𝟓. 𝟔𝟓
D’où l’équation cherchée : 𝒚 = 𝟎. 𝟓𝟒 𝒙 + 𝟓. 𝟔𝟓
Bivariée.
3.2.6 Résidus et valeurs ajustées
Les valeurs ajustées sont obtenues au moyen de la droite de régression :
Les valeurs ajustées sont les « prédictions » des yi réalisées au moyen de la variable x et
de la droite de régression de y en x. Les résidus sont les différences entre les valeurs
observées et les valeurs ajustées de la variable dépendante.
Les résidus représentent la partie inexpliquée des yi par la droite de régression.

Bivariée.
3.3 Deux variables qualitatives
3.3.1 Données observées
Si les deux variables x et y sont qualitatives, alors les données observées sont une suite
de couples de variables.
Chacune des deux (2) variables prend comme valeur des modalités qualitatives. Les
valeurs distinctes de x et y sont notées respectivement.
Bivariée.
3.3.2 Tableau de contingence
Le données observées peuvent être regroupées sous la forme d’un tableau de
contingence.
Bivariée.
Le données observées peuvent être regroupées sous la forme d’un tableau de
contingence.
On a des relations :
Bivariée.
Exemple 3.2 : on s’intéresse à une éventuelle relation entre le sexe de 200 personnes
et la couleur des yeux.
Bivariée.
Exemple 3.2 : on s’intéresse à une éventuelle relation entre le sexe de 200 personnes
et la couleur des yeux.
A partir de ce tableau de contingence, il est possible de présenter des distributions
marginales.
Bivariée.
(1) Distribution marginale du sexe (2) Distribution marginale de la couleur des yeux
Bivariée.
3.3.3 Tableau des fréquences
Le tableau des fréquences s’obtient en divisant tous les effectifs par la taille de
l’échantillon.
Bivariée.
3.3.3 Tableau des fréquences
On effectue les calculs suivants :
10/120 = 𝟎. 𝟎𝟓 ; 50/200 = 𝟎. 𝟐𝟓 ; 20/200 = 𝟎. 𝟏𝟎
20/200 = 𝟎. 𝟏𝟎 ; 60/200 = 𝟎. 𝟑𝟎 ; 40/200 = 𝟎. 𝟒𝟎
Bivariée.
3.3.4 Profils lignes et profils colonnes
Un tableau de contingence s’interprète toujours en comparant des fréquences
en lignes ou des fréquences en colonnes (appelés aussi profils lignes et profils
colonnes).
Les profils lignes :
Les profils colonnes :

Bivariée.
3.3.4 Profils lignes et profils colonnes
Exemple 3.4 :
Bivariée.
3.3.5 Effectifs théorique et khi-deux (ou khi-carré)
On cherche souvent une interaction entre des lignes et des colonnes, un lien entre
les variables. Pour mettre en évidence ce lien, on construit un tableau d’effectifs
théoriques qui représente la situation où les variables ne sont pas liées (il y a une
indépendance). Ces effectifs théoriques sont construits de manière suivante :
Les affectifs observés 𝒏𝒋𝒌 ont les mêmes marges que les effectifs théoriques 𝒏∗𝒋𝒌.
Bivariée.
Enfin, les écarts à l’indépendance sont définis par :
- La dépendance du tableau se mesure au moyen du khi-deux défini par :

Bivariée.
- Le Khi-deux peut être normalisé pour ne pas dépendre du nombre d’observations.
On définit le Khi-deux par :
Le ∅2 ne dépend plus du nombre d’observations. Il est possible de montrer que :

Bivariée.
- Le V de cramer est définit par :
Le V de Cramer est compris entre 0 et 1. Il ne dépend ni de la taille de l’échantillon, ni

de la taille du tableau.
(1) Si V≈ 𝟎, les deux variables sont indépendantes.
(2) Si V≈ 1, il existe une relation fonctionnelle entre les variables, Chaque
ligne et chaque colonne du tableau de contingence ne contiennent qu’un
seul effectif différent de 0,
Bivariée.
- Le V de cramer est définit par :
Le V de Cramer est compris entre 0 et 1. Il ne dépend ni de la taille de l’échantillon, ni

de la taille du tableau.
(1) Si V≈ 𝟎, les deux variables sont indépendantes.
(2) Si V≈ 1, il existe une relation fonctionnelle entre les variables, Chaque
ligne et chaque colonne du tableau de contingence ne contiennent qu’un
seul effectif différent de 0,
Bivariée.
Bivariée.
Bivariée.
On a V = 0.13. La dépendance entre les deux variables est très faible.

Bivariée.
Exemple 3.6 Le tableau suivant est extrait de Boudon (1979, p.57). La variable X
est le niveau d’instruction du fils par rapport au père (plus élevé, égal, inférieur),
et la variable Y est le statut professionnel du fils par rapport au père (plus élevé,
égal, inférieur).
Bivariée.
Bivariée.
Bivariée.
Bivariée.
Bivariée.
Exercice :
Neuf étudiants émettent un avis pédagogique vis-à-vis d’un professeur
selon une échelle d’appréciation de 1 à 20. On relève par railleurs la note
obtenue par ces étudiants l’année précédente auprès du professeur.
Bivariée.
1. Représentez graphiquement les deux variables;

2. Déterminez le coefficient de corrélation entre les variables X et Y.
Ensuite, donnez une interprétation de ce coefficient.
3. Déterminez la droite de régression Y en fonction de X.
4. Etablissez, sur base du modèle, l’avis pour un étudiant ayant obtenu
12/20.
5. Calculez la variance résiduelle et le coefficient de détermination.
Bivariée.
Bivariée.
Bivariée.
CHAPITRE 4 : Quelques éléments de
démographie.
démographie.
 OBJET :
De l’ancien grec, (Démos : Peuple et Graphein : écrire), la démographie est
une science ayant pour objet l’étude des populations humaines en ce qui
concerne leur dimension, leurs structure, leur évolution ainsi que de certaines
de leurs caractères généraux
 DESCRIPTF :
Familiariser avec les concepts de base en démographie (natalité, fécondité,
mortalité et nuptialité), différents schémas en démographie (pyramide des
âges et diagramme de Lexis), les branches de la démographie (relations
entre la démographie et autres branches des sciences sociales), sources et
collecte des données (recensement et enquêtes démographiques).
démographie.
 UTILITE :
Elle permet aux gouvernements et aux organisations internationales de mettre sur
pied des politiques démographiques spécifiques, par ex. en limitant le nombre des
naissances ou au contraire en favorisant la procréation.
Jean BODIN : « il n’y a de richesse ni force que d’homme » (compter les hommes
pour lever les impôts, monter des armées);
Thomas Robert MALTHUS : « Principe de la Population » (pour réduire la pauvreté).
démographie.
DEFINITIONS :
 Population (en statistique) : un ensemble d’unités d’observations possédant un
même caractère.
Caractère :
✓ Physique (humains, sexe, âge),
✓ Géographique (Par ex. Population de l’Afrique),
✓ Politique/administrative (Par ex. Population du Gabon),
✓ Culturel (Par ex. Population francophone, chrétienne-protestante, etc.),
✓ Sociale (Par ex. Population paysanne, agricole), etc.
démographie.
DEFINITIONS :
 Population (en démographie) : un ensemble d’individus formant un système qui
se reproduit (natalité versus mortalité; émigration versus immigration). C’est un
ensemble de personnes occupant, à une période donnée, une zone spécifique
(une ville, un pays ou un continent).
On peut distinguer la population présente et la population résidente.
démographie.
DEFINITIONS :
 Population Présente (de fait) est définie comme l’ensemble des personnes
humaines se trouvant à un instant donné (une présence physique) dans un
territoire bien délimité (reconnu internationalement);
 Population résidente (ou de droit) : elle est définie comme l’ensemble de
personnes humaines résidant (habituellement = une résidence légale) à un
instant donné dans un territoire bien délimité (reconnu internationalement).
La population est toujours définie par rapport à un instant (un date) et non une
période. De même, elle correspond toujours à un espace géographique bien
spécifié. Ainsi, les Touristes font partie de la population PRÉSENTE, mais pas de la
population RÉSIDENTE. Officiellement, on retient la DEUXIEME DEFINITION qui est
légale et moins sensibles aux fluctuations conjoncturelles.
démographie.
DEFINITIONS :
A noter que le concept de POPULATION doit être distingué de celui de NATIONALITE.
Les Gabonais résidents à l’étranger ne font pas partie de la Population du Gabon. En
revanche, les étrangers disposant d’une autorisation de résidence au Gabon sont
considérés comme membres à part entière de sa Population.
démographie.
DEFINITIONS :
 Génération et Cohorte : ensemble assez homogènes de personnes.
✓ Une génération est définie comme l’ensemble de personnes nées au cours d’une
même année civile (du premier Janvier au 31 Décembre). Ainsi, la génération
2000 par exemple est définie par l’ensemble de personnes nées entre le premier
Janvier 2000 au 31 Décembre 2000.
✓ Une cohorte est définie par l’ensemble de personnes ayant vécu un même
évènement (démographique) au cours d’une année (cohorte des mariages de
2015).
NB : Une génération est en fait une cohorte particulière.
démographie.
DEFINITIONS :
 Age révolu :
En démographie, on utilise le concept d’âge révolu. C’est l’âge au dernier
anniversaire. Par exemple, une personne dont l’âge exact est de 22ans 3mois et
21 jours a un âge de révolu de 22ans. Elle a le même âge révolu qu’une
personne fêtant aujourd’hui son 22ème anniversaire. Elle a également le même
âge révolu qu’une personne fêtant demain son 23ème anniversaire.
Le concept d’âge révolu se distingue ainsi de l’âge exact.
Mathématiquement, ce dernier concept correspond à un nombre réel positif. En
revanche, un âge révolu est plutôt un intervalle fermé à gauche et ouvert à
droite.
démographie.
DEFINITIONS :
 Phénomènes démographiques
Sommairement, un phénomène démographique peut être défini comme tout fait
répétitif. Il est démographique lorsqu’il concerne les populations humaines. Par
exemple, les naissances, les décès sont des phénomènes démographiques. Une
partie importante de l’analyse démographique consiste en l’analyse quantitative
de l’intensité des phénomènes démographiques observés.
démographie.
DEFINITIONS :
Analyse démographique : l’application des méthodes quantitatives (statistiques,
mathématiques, économétries, etc.) aux études (description et explications) de la
croissance des populations humaines (et non humaines) et de ses composants.
L’analyse démographique qui nous intéresse dans ce cours de Licence consiste en
une description quantifiée des faits démographiques. Ces faits sont observables
dans le temps. L’unité du temps est généralement l’année.
démographie.
DEFINITIONS :
Pour réaliser une analyse démographique, l’on a besoin de données et d’outils.
Deux types d’analyses sont distinguées :
✓ Analyse Transversale (ou du moment) : lorsqu’on effectue une coupe dans le
temps en considérant une année ou un groupe d’années donné, au cours des
quelle son étudie plusieurs générations.
✓ Analyse longitudinale : lorsqu’on observe dans le temps les différents évènements
auxquels est soumise une génération déterminée.
démographie.
TYPES DE DONNEES
On retrouve deux types de données : des données relatives à l’état d’une population et
des données concernant le mouvement d’une population.
 Les données relatives à l’état d’une population
Ces données ont trait à la taille de la population ainsi que de celle d’un certain nombre
de sous populations significatives (population féminine et population masculine,
population urbaine et population rurale, jeunes, adultes et vieillards, etc.). Ce sont des
grandeurs de type stock et sont observables à un instant donné.
démographie.
TYPES DE DONNEES
On retrouve deux types de données : des données relatives à l’état d’une
population et des données concernant le mouvement d’une population.
 Les données relatives au mouvement d’une population
Il s’agit de données quantifiant l’ampleur des faits démographiques ayant une
incidence directe sur le mouvement de la population. Les données concernant
le nombre de naissances et le nombre de décès enregistré au cours d’une
certaine année sont des exemples de données concernant le mouvement d’une
population. Ce sont des données de type flux en ce qu’elles sont enregistrées sur
une période en l’occurrence l’année.
démographie.
LES SOURCES
Les types de données sus présentées sont généralement publiés par les
organismes nationaux de statistiques. Ces données résultent d’un traitement
préliminaire des données de base. Ce dernier type de données est enregistré
lors de l’observation des faits et des faits individuels par des structures
administratives.
Les données de base sont habituellement puisées dans plusieurs sources dont
notamment les recensements généraux de la population, les enquêtes
démographiques, les registres administratifs de l’état civil et de la migration.
démographie.
LES SOURCES
✓ Les recensements généraux de la population :
Il s’agit d’opérations de collecte de données démographiques de base
auprès de tous les individus d’une population. Les données concernent
l’état de la population à un instant donné. En les traitant, on disposera
ainsi d’informations concernant la taille de la population et ses structures
selon le genre, l’âge, l’état matrimonial, le milieu, la religion, etc. Du fait
de son caractère exhaustif, un recensement s’avère une opération lourde
et couteuse. C’est pourquoi on le réalise en général qu’une fois tous les 10
ans en se limitant à quelques données de base.
démographie.
LES SOURCES
✓ Les enquêtes démographiques :
C’est une opération de collecte de données démographiques auprès des individus
d’un échantillon de la population. Du fait, que seule une fraction de la population est
concernée, l’on se permet de recueillir des données plus variées et plus fines que le
recensement. Ainsi, l’on cherche à explorer les comportements des gens à l’égard de
certaines questions précises d’ordre démographique. En outre, les enquêtes sont
réalisées à des intervalles de temps plus court que les recensements (moins de 5 ans).
Evidement, les résultats obtenus des données d’enquêtes sont moins fiables que ceux
résultant du traitement des données d’un recensement. Néanmoins, les techniques
statistiques d’échantillonnage permettent de limiter et contrôler les éventuelles erreurs
commises.
démographie.
LES SOURCES
✓ Les registres de l’état civil :
Il existe des lois qui règlementent l’état civil des personnes. Ces lois obligent les
personnes concernées de procéder à la déclaration auprès des officiers de l’état
civil (maires, sous-préfets, etc.) des naissances, des mariages, des divorces et des
décès. Les officiers de l’état civil tiennent à cet effet, un registre de l’état civil pour
enregistrer les actes de l’état civil déclaré. Cette obligation administrative est
exploitée statistiquement et permet de connaitre leurs ventilation selon un certain
nombre de critères pertinents.
démographie.
LES SOURCES
✓ Les autres sources :
Il existe d’autres sources telles que les ministères de l’Intérieur ou des affaires
étrangères. Ces données concernent notamment les flux migratoires entrant ou
sortant du pays. Ces données restent cependant peu exhaustives notamment
au niveau des effectifs des émigrants.
démographie.
LES RATIOS DEMOGRAPHIQUES
Habituellement, on distingue deux familles de ratios : les ratios de structure et
les ratios d’occurrence.
1. Les ratio de structure
Soit P, une population et (P1, P2, …, Pj, …, Pn) une partition de P en n sous
population Pj, ce qui signifie mathématiquement que :
P1 ∪ P2 ∪ P3 ∪ … ∪ Pn = P
Notons N, la taille de P et Nj, la taille de Pj. On a alors : N = σ𝒏𝒋=𝟏 𝑵𝒋
Avec ce nombre absolu, on défini les proportions et les rapports.
démographie.
 Les proportions.
Formellement, une proportion 𝑃𝑗 est un ratio ayant la forme suivante :
Une proportion est habituellement exprimée en pourcentage. Elle mesure

l’importance (numérique) relative d’une composante par rapport à l’ensemble
des composantes. Par ex., la proportion de célibataires dans la population des
adultes ou la proportion des naissances masculines dans l’ensemble des
naissances d’une année, etc.
démographie.
 Les rapports
Formellement, un rapport (démographique) 𝒓𝒊,𝒋 se présente ainsi
Où 𝑵𝒊 et 𝑵𝒋 sont les tailles respectives de sous populations 𝑷𝒊 et 𝑷𝒋. Un rapport

est habituellement multiplié par 100. Il mesure l’importance relative d’une
composante par rapport à une autre. Ex. Le rapport de masculinité mesurant
dans une population le nombre de personne masculines pour 100 personnes
féminines.
démographie.
2. Les ratios d’occurrence
Deux types de ratio d’occurrence sont présentés : les taux et les quotients.
➢ Les taux
Soit A, un fait démographique dont le nombre d’occurrence (répétitions) durant
une période t fait changer la dimension et la structure d’un ensemble E sur cette
période t.
Un taux 𝑟𝑡 (𝐴) se présente formellement ainsi :
𝒏𝒕(𝑨)
𝒓𝒕 𝑨 = ൗ𝑵𝒕
Où 𝒏𝒕 (𝑨) désigne le nombre d’occurrences de l’évènement A au cours d’une
période t et 𝑵�𝒕 le nombre d’éléments de E pondérés par la fraction du temps
de leurs présence dans la période t.
démographie.
𝒏𝒕 (𝑨)
𝒓𝒕 𝑨 = ൗ𝑵𝒕
Où 𝒏𝒕(𝑨) désigne le nombre d’occurrences de l’évènement A au cours d’une
période t et 𝑵�𝒕 le nombre d’éléments de E pondérés par la fraction du temps
de leurs présence dans la période t.
✓ Le calcul de 𝑵𝒕 est difficile en pratique. On simplifie les calculs en
approchant ce nombre par l’effectif moyen de E sur la période t. Ce dernier
est à son tour approximé par l’effectif en milieu (1er juillet) de période.
✓ On distingue aussi entre taux nets et taux bruts selon que l’on tient compte
ou non de la mortalité.
✓ Exemple : Taux de Natalité et Taux de Mortalité.
démographie.
Deux types de ratio d’occurrence sont présentés : les taux et les quotients.
➢ Les quotients
Soit un évènement A (démographique), N le nombre de personnes pouvant
subir cet évènement avec la même probabilité et 𝑵𝑨, le nombre de personnes
parmi les N ayant effectivement subi cet évènement.
𝑵
Le ratio 𝑨ൗ𝑵 est appelé quotient associé à l’évènement A. C’est en fait la
probabilité de réalisation de l’évènement A.
Par exemple : le quotient de mortalité, donnant la probabilité de mourir, pour
les membres d’une génération, entre deux âges successifs.
démographie.
STRUCTURES ET MOUVEMENTS D’UNE POPULATION
Définir les structures de populations les plus usuellement étudiées. Définir les
mouvements que connait une population et présenter les indicateurs courants
pour mesurer l’ampleur de ces mouvements.
 Les Structures usuelles d’une population.

Une population n’est pas composée d’individus homogènes. Ils se distinguent
par plusieurs aspects particuliers (les caractères statistiques). En classant les
individus selon un caractère donné, on obtient autant de groupes d’individus
(sous population) que de positions présentées par ce caractère. La structure
d’une population selon un caractère se définit par les poids relatifs (exprimé en
pourcentage) des différents groupes d’individus distingués par ce caractère.
démographie.
Plusieurs types de structures sont étudiés. Les plus usuelles sont les structures de
population selon :
✓ La région (provinces, districts, etc.),
✓ Le milieu (urbain, rural),
✓ Le sexe (masculin, féminin, agenre)
✓ L’âge (Qualitative : moins de 0 à 14 ans (jeunes), entre 15 et 64 ans (adultes)
et plus de 65 ans (vieillards) et Quantitative (Amplitude d’âge de 5ans)),
✓ L’état matrimonial (célibataires, mariés, divorcés, veufs).
Dans certains pays, on peut aussi considérer des structures de la population selon
la nationalité (pays d’immigration), selon la religion, selon la sexualité, la race ou
l’ethnie, etc.
démographie.
Plusieurs types de structures sont étudiés. Les plus usuelles sont les structures
de population selon :
✓ L’âge (Qualitative : moins de 0 à 14 ans (jeunes), entre 15 et 64 ans
(adultes) et plus de 65 ans (vieillards) et Quantitative (Amplitude d’âge de
5ans)),
NB : Ces informations peuvent faire l’objet de tableaux statistiques croisés.
démographie.
Plusieurs types de structures sont étudiés. Les plus usuelles sont les structures de
population selon :
✓ L’âge (Qualitative : moins de 0 à 14 ans (jeunes), entre 15 et 64 ans (adultes) et
plus de 65 ans (vieillards) et Quantitative (Amplitude d’âge de 5ans)),
NB : Ces informations peuvent faire l’objet de tableaux statistiques croisés, pour
calculer par ex. « la proportion de célibataires dans la population de personnes
âges de 15 ans et plus », pour les femmes, les hommes et par tranche d’âge.
démographie.
 Les Mouvements d’une population.
Une population change de taille et de structure dans le temps. En effet, à
chaque instant, des naissances et des décès sont enregistrés. A ce mouvement
naturel s’ajoute aussi un mouvement migratoire plus ou moins important selon
les pays. Avant d’étudier en détail chacun de ces mouvements, on examine
dans ce qui suit les outils habituellement utilisés pour mesurer l’évolution d’une
population dans son ensemble.
démographie.
✓ Balance démographique:
La BD d’une population se réfère à l’équation de récurrence suivante :
𝑷′𝒕 = 𝑷𝒕 + 𝑵 𝒕, 𝒕′ − 𝑫 𝒕, 𝒕′ + 𝑰 𝒕, 𝒕′ − 𝑬 (𝒕, 𝒕′ )
o 𝑃𝑡′ (respectivement 𝑃𝑡 ) est le niveau d’une population à l’instant t (resp. 𝑡 ′ > 𝑡)
o 𝑁 𝑡, 𝑡 ′ : nombre de naissances enregistrées entre 𝑡 et 𝑡 ′

o D 𝑡, 𝑡 ′ : nombre de décès enregistrés entre 𝑡 et 𝑡 ′
o I 𝑡, 𝑡 ′ : nombre d’entrants (ou immigrés) dans le pays entre 𝑡 et 𝑡 ′
o 𝑁 𝑡, 𝑡 ′ : nombre de sortants (ou d’émigrants) dans le pays entre 𝑡 et 𝑡 ′
démographie.
✓ Balance démographique:
La BD d’une population se réfère à l’équation de récurrence suivante :
𝑷′𝒕 = 𝑷𝒕 + 𝑵 𝒕, 𝒕′ − 𝑫 𝒕, 𝒕′ + 𝑰 𝒕, 𝒕′ − 𝑬 (𝒕, 𝒕′ )
o L’unité de temps est souvent l’année. En outre, l’instant t (et t’) correspond en
général au 1er Juillet (milieu de l’année civile) ou le 1er Janvier.
o L’écart 𝑰 𝒕, 𝒕′ − 𝑬 (𝒕, 𝒕′ ) = 𝐒 (𝒕, 𝒕′ ) est appelé le solde migratoire, alors que l’écart
N 𝒕, 𝒕′ − 𝑫 (𝒕, 𝒕′ ) = R (𝒕, 𝒕′ ) est le mouvement naturel.
NB : 𝑷′𝒕 − 𝑷𝒕 est l’évolution de la population d’un pays.
démographie.
✓ Taux d’accroissement naturel (en pourcentage) :
On appelle taux d’accroissement naturel à l’année t, le rapport suivant :
o 𝑵 𝒕, 𝒕′ : nombre de naissances (natalité) enregistrées entre 𝑡 et 𝑡 ′

o D 𝒕, 𝒕′ : nombre de décès (mortalité) enregistrés entre 𝑡 et 𝑡 ′
o ഥ 𝒕, la population moyenne de l’année 𝑡.
𝑷
démographie.
✓ Taux de croissance (en pourcentage) :
On appelle taux de croissance d’une population entre les dates t et t’ (t’ > t) est le
rapport suivant :
o 𝑷′𝒕 : niveau de la population en 𝑡 ′

o 𝑷𝒕: niveau de la population en 𝑡.
NB : le taux de croissance est très fluctuant, car dépendant du mouvement migratoire.
démographie.
 Il est possible d’analyser :
La Fécondité (mesures, déterminants et effets sur des variables économiques),
La Mortalité (mesures, déterminants et effets sur des variables économiques),
démographie.
La Fécondité
✓ Le taux de fécondité : C’est le rapport des naissances vivantes durant une périodes,
généralement l’année, à un effectif de femmes en âge de procréer (par exemple
les 15-49 ans) en milieu d’année (souvent le 1er Juillet). Il mesure la tendance d’une
population à augmenter ou à diminuer naturellement (sans tenir compte des flux
migratoires). Ce taux a l’avantage de la simplicité, mais il dépend de la structure
par âge de la population. On préfère calculer les taux de fécondité pour chaque
âge ou groupe d’âges, opération qui sert au calcul de l’indicateur synthétique de
fécondité (ou indicateur conjoncturel de fécondité).
démographie.
La Fécondité
✓ Le taux de fécondité par pays :
démographie.
La Fécondité
✓ Le taux de fécondité par pays (CIA World Factbook, 2018):
Niger : 6,35 Chine : 1,60
Angola : 6,09 Singapour : 0,84
Burundi : 5,95
Nigeria : 4,85
Monde : 2,42
Etats-Unis : 1,87
démographie.
La Fécondité
✓ L’indice synthétique de fécondité : Il se calcul en effectuant la somme des taux de
fécondité pour chaque âge (de 15 à 49 ans) durant une période ou en divisant par
5 la somme des taux pour chaque groupe d’âge de 5 ans (15-19, 20-24, …) établis
pour une année donnée. Ce calcul revient à accorder une pondération identique
aux différentes classe d’âge, quel que soit leurs effectifs, ce qui élimine l’effet de
structure que constitue la répartition par âge des femmes en âge de procréer. Ainsi,
il permet de calculer le nombre moyen d’enfants auxquels les mères donneraient le
jour si les générations futures avaient le même taux de fécondité par âge que les
générations actuelles.
démographie.
La Fécondité
✓ L’indice synthétique de fécondité par région (2010)
Moyenne Mondiale : 2,3
Afrique : 4,4
Asie : 2,0
Amérique : 1,9
Europe : 1,5
Océanie : 2,3
démographie.
La Fécondité
✓ Le taux de natalité : Le nombre annuel de naissances divisé par la population totale
de cette année.
NB : Les déterminants de la fécondité sont généralement la richesse, l’éduction des

femmes, la participation des femmes au travail et l’urbanisation (E. PRADHAN, 2015; L.
WOLFGANG et al., 2019; J. F MAY, 2017, etc.).
démographie.
La Mortalité
✓ Le taux (brut) de mortalité : Le rapport entre le nombre annuel de décès et la
population totale moyenne sur une période et dans un territoire donné. Il peut
être étudié par classe avec, par exemple, le taux de mortalité infantile (moins
d’un an) et le taux de mortalité juvénile (moins de 5 ans).
✓ Taux de Morbidité : Le nombre de malades annuels rapporté à la population.
✓ Taux de létalité : Le nombre de décès rapporté au nombre de malades.
démographie.
La Mortalité par pays
(pour 1000 et en un an)
démographie.
La Mortalité par pays
L’OMS a défini 20 facteurs de risques, dont les principaux sont :
- La sous-alimentation : plus de 3 millions de décès d’enfants dans les PED
- Les pratiques sexuelles dangereuses (2,9 millions de morts)
- L’hypertension artérielle (7 millions de décès par an)
- Le tabagisme (5 millions de décès par an)
- Le surpoids et l’obésité (2,8 millions par an)
- L’utilisation d’eau non potables et défaut d’assainissement et hygiène (1,7 million)
- La carence en fer (1 millions de décès par an)
- L’enfumage des habitations par combustibles solides
- Etc.
démographie.
La Mortalité
Les causes de mortalité sont toutes les causes possibles pouvant engendrer la mort
d’un individu. Si les possibilité sont infinies au niveau individuel, les données agrégées
au niveau de la population offrent des régularités observables.
✓ Maladies et troubles mentaux (1 et 14),
✓ Causes liées à la grossesse (15 et 16),
✓ Malformations (17),
✓ Symptômes et résultats dits anormaux (18),
✓ Lésions, empoisonnements et autres causes externes (19),
✓ Causes externes, y compris accidents, lésions auto-infligées, agressions, guerres
(20).
démographie.
SITUATION DEMOGRAPHIQUE DU GABON
Population du Gabon : 2 284 912 Habitants (Indicateur du World-Factbook publié par la
CIA, en 2021).
Evolution de la population : 2,73% (2018)
Indice de fécondité : 3,52 enfants par femmes
Taux de natalité : 26,5 pour mille (2018)
Taux de mortalité : 6,2 pour mille (2018)
Taux de mortalité infantile : 32,9 pour mille (2018)
Espérance de vie à la naissance : 68 ans (2018)
Age médian : 20,5 ans (2018)
démographie.
Structure par âge :
✓ 0-14 ans (jeunes) : 37,45%
✓ 15-64 ans (adultes) : 58,64%
✓ 65 ans et plus (vieillards) : 3,91%
Population totale (sex-ratio) : 108 Hommes sur 100 femmes.
A la naissance (sex-ratio) : 103 Hommes sur 100 femmes.
Par tranche d’âge :
✓ 0-14 ans : 105 Hommes sur 100 femmes.
✓ 65 et + : 97 Hommes sur 100 femmes.
démographie.
Taux d’immigration : 7 pour mille.
Composition ethnique :
✓ Fang (ou Ekang) : 32%
✓ Mpongwé : 15%
✓ Obamba : 14%
✓ Punu : 12%
✓ Autres ethnies mélangées : 27%
démographie.
Pyramide des âges du Gabon
MERCI POUR VOTRE ATTENTION …

Cours Statistiques-Demographie

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

Cours Statistiques-Demographie

Transféré par

Droits d'auteur :

Formats disponibles

FACULTE DE DROIT ET DES

Donner les bases de statistiques descriptives et de la démographie qui

La statistique est un outil d’aide à la décision qui recouvre un ensemble

La statistique descriptive est abordée en Licence 1 Economie alors

1.1 Définitions fondamentales

1.1.1 La science statistique.

- Méthodes scientifiques du traitement des données ;

1.1.2 Mesure et Variables

- On s’intéresse à un nombre fini d’unités statistiques ou unités

1.1.2 Mesure et Variables

- Les valeurs possibles de la variable, sont appelées modalités.

1.1.3 Typologies de Variables

• Variable qualitative NOMINALE : les modalités ne peuvent être

1.1.3 Typologies de Variables

1.1.3 Typologies de Variables

• Variable quantitative CONTINUE : une variable est dite continue, si

Exemple : Les modalités de la variable sexe sont masculin (codé

1.1.4 Séries statistiques

1.1.4 Séries statistiques

Le domaine de la variable X est {C, M, V, D}.

1.1.4 Séries statistiques

Si la variable est ordinale, on peut calculer les effectifs cumulés.

- On appelle ℎ𝑗 la densité d’effectif

- On appelle dj la densité de fréquence.

Si les classes ont d’amplitudes égales, on trace le polygone des fréquences

Le mode est la valeur distincte correspondant à l’effectif le

Lorsque la variable est discrète, le mode est facilement repérable.

Le mode est C : célibataire.

Il faut donc « corriger » les effectifs ou les fréquences relatives, de la même

Avec 𝑐𝑖 , le centre de la classe 𝑖.

Avec 𝑐𝑖 , le centre de la classe 𝑖.

Les xi sont des valeurs observées.

Avec 𝑐𝑖 , le centre de la classe 𝑖.

On peut écrire la moyenne géométrique comme l’exponentiel de la

La moyenne géométrique s’utilise par exemple quand on veut calculer

Il est judicieux d’appliquer la moyenne harmonique sur des vitesses.

Il est possible d’obtenir la relation suivante :

Elle est obtenue de la manière suivante.

La médiane est comprise entre 1 et 2, soit 𝒙𝟏Τ𝟐 = 𝟏, 𝟓

𝟏𝟎 < 𝑴𝒆 < 𝟑𝟎 𝑴𝒆 −𝟏𝟎 𝟑𝟎−𝟏𝟎 𝟐𝟎 𝟐×𝟐𝟎

L’Etendue d’une série est la manière la plus simpliste de mesurer la

Lorsqu’on veut estimer l’écart-type d’une variable X à partir d’un échantillon de

Le coefficient de variation est une mesure (en pourcentage) de la dispersion

2.2.5 L’écart médian absolu

Définition 2 : On appelle Moment centré d’ordre 𝑟 ∈ 𝑁 le paramètre.

Il peut prendre des valeurs positives, négatives ou nulles.

(1) Si le coefficient est nul, alors la distribution est SYMÉTRIQUE ;

Les variables 𝒙 et 𝒚 peuvent être analysées séparément. On peut calculer

Ces paramètres ont appelés paramètres marginaux : variances marginales,

2. Calcul du coefficient de corrélation entre X et Y

Il y a une forte corrélation entre X et Y, donc un

Calcul des coefficients de la droite de régression

Les résidus représentent la partie inexpliquée des yi par la droite de régression.

Les profils colonnes :

- La dépendance du tableau se mesure au moyen du khi-deux défini par :

Le ∅2 ne dépend plus du nombre d’observations. Il est possible de montrer que :

Le V de Cramer est compris entre 0 et 1. Il ne dépend ni de la taille de l’échantillon, ni

Le V de Cramer est compris entre 0 et 1. Il ne dépend ni de la taille de l’échantillon, ni

On a V = 0.13. La dépendance entre les deux variables est très faible.

1. Représentez graphiquement les deux variables;

Une proportion est habituellement exprimée en pourcentage. Elle mesure

Où 𝑵𝒊 et 𝑵𝒋 sont les tailles respectives de sous populations 𝑷𝒊 et 𝑷𝒋. Un rapport

 Les Structures usuelles d’une population.