Académique Documents
Professionnel Documents
Culture Documents
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 :
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
Exemples :
𝑥1 , 𝑥2 , … , 𝑥𝑖 , … 𝑥𝑛
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.1 Définitions fondamentales
Ici, n = 20.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
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
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.2 Variables qualitatives nominales
1.2.1 Effectifs, Fréquences et Tableau Statistique
Exemple : Avec la série statistique de l’exemple précédent, on obtient :
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.2 Variables qualitatives nominales
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).
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.2 Variables qualitatives nominales
1.2.2 Diagramme en secteur et diagramme en barre
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
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.2 Variables qualitatives nominales
1.2.2 Diagramme en secteur et diagramme en barre
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
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.2 Variables qualitatives nominales
1.2.2 Diagramme en secteur et diagramme en barre
Diagramme en secteur : On obtient le diagramme en secteurs suivant :
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.2 Variables qualitatives nominales
1.2.2 Diagramme en secteur et diagramme en barre
Diagramme en barres des effectifs :
CHAPITRE 1 : variables, données,
statistiques, tableaux, 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 :
On a 𝑵𝟏 = 𝒏𝟏 et 𝑵𝑱 = 𝒏.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.3 Variables qualitatives ordinale
1.3.1 Le tableau statistique
On peut également calculer les fréquences cumulées.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.3 Variables qualitatives ordinale
1.3.1 Le tableau statistique
Exemple : On interroge 50 personnes sur leurs diplômes obtenus (Y). La
codification est faite selon le tableau 1.1.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.3 Variables qualitatives ordinale
1.3.1 Le tableau statistique
Exemple : On obtient la série statistique présentée dans le tableau 1.2.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.3 Variables qualitatives ordinale
1.3.1 Le tableau statistique
Exemple : On obtient le tableau statistique complet présenté dans le
tableau 1.3.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.3 Variables qualitatives ordinale
1.3.2 Le diagramme en secteurs
Les fréquences d’une variable qualitative ordinale sont représentées au
moyen d’un diagramme en secteurs.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.3 Variables qualitatives ordinale
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.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.3 Variables qualitatives ordinale
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.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.4 Variables quantitative discrète
1.4.1 Le tableau statistique
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 :
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.4 Variables quantitative discrète
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.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.4 Variables quantitative discrète
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.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.4 Variables quantitative discrète
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 :
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.4 Variables quantitative discrète
1.4.3 Fonction de répartition
On obtient le résultat suivant (diagramme « en escalier »):
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
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.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.5 Variables quantitative continue
1.5.1 Le Tableau statistique
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.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.5 Variables quantitative continue
1.5.1 Le Tableau statistique
Tableau 7 : On mesure la taille en centimètre de 50 élèves d’une classe.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.5 Variables quantitative continue
1.5.1 Le Tableau statistique
On les classe de taille définies préalablement comme il suit :
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.5 Variables quantitative continue
1.5.1 Le Tableau statistique
On construit le tableau statistique :
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.5 Variables quantitative continue
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 :
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.
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.5 Variables quantitative continue
1.5.2 Histogramme
CHAPITRE 1 : variables, données,
statistiques, tableaux, effectifs.
1.5 Variables quantitative continue
1.5.3 polygone des fréquences
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).
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
2.1.1 Le MODE
Variables continues
Lorsque la variable est continue, deux situations se présentent:
CAS 2 : Amplitudes de classes inégales
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
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
2.1.1 Le MODE
Variables continues
Lorsque la variable est continue, deux situations se présentent:
CAS 2 : Amplitudes de classes inégales
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.
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
2.1.1 Le MODE
Variables continues
Lorsque la variable est continue, deux situations se présentent:
CAS 2 : Amplitudes de classes inégales
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).
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
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
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
2.1.2 La MOYENNE ARITHMETIQUE
La moyenne ne peut être définie que sur une variable quantitative.
Variables Discrète
La moyenne peut être calculée à partir des valeurs distinctes et des effectifs :
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
2.1.2 La MOYENNE ARITHMETIQUE
La moyenne ne peut être définie que sur une variable quantitative.
Variables Discrète
Exemple : Les nombres d’enfants de 8 familles sont les suivants : 0,0,1,1,1,2,3,4.
La moyenne est :
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
2.1.2 La MOYENNE ARITHMETIQUE
La moyenne ne peut être définie que sur une variable quantitative.
Variables Discrète
On peut aussi faire les calculs avec les valeurs distinctes et les effectifs :
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
2.1.2 La MOYENNE ARITHMETIQUE
La moyenne ne peut être définie que sur une variable quantitative.
Variables Continues
La moyenne arithmétique des séries continue est donnée par la formule
suivante : 𝑱 𝒏𝒋 𝒄𝒋
ഥ
𝒙=
𝒋=𝟏 𝒏
𝒙 = ෑ 𝒙𝒊 𝒇𝒊
ഥ
𝒊=𝟏
D’où : 𝑮 = 𝑨𝑯
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
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
On écrit :
CHAPITRE 2 : Statistique descriptive
univariée.
2.1 Paramètres de position
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 :
ou
CHAPITRE 2 : Statistique descriptive
univariée.
2.2 Paramètres de Dispersion
2.2.2 La variance
La variance peut également être définie à partir des effectifs et des valeurs
distinctes :
ou
CHAPITRE 2 : Statistique descriptive
univariée.
2.2 Paramètres de Dispersion
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.
CHAPITRE 2 : Statistique descriptive
univariée.
2.2 Paramètres de Dispersion
2.2.3 L’écart-type
L’écart-type est la racine carrée de la variance.
𝟐𝟐𝟖
ഥ
𝒙= 𝟐𝟎
= 𝟏𝟏. 𝟒 (Moyenne arithmétique)
𝟏𝟓𝟔.𝟖
𝑽= = 𝟕. 𝟖𝟒 (Variance) ;
𝟐𝟎
𝝈 = 𝑽 = 𝟐. 𝟖 (Ecart-type)
CHAPITRE 2 : Statistique descriptive
univariée.
2.2 Paramètres de Dispersion
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
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.
CHAPITRE 2 : Statistique descriptive
univariée.
2.4 Les paramètres de forme (Symétrie et Aplatissement)
2.4.1 Analyse de la Symétrie par rapport à la moyenne.
Méthodes paramétriques
✓ Coefficient d’asymétrie de Pearson
Il est basé sur une comparaison de la moyenne et du mode, et est standardisé
par l’écart-type.
Chacune des deux variables peut être, soit quantitative, soit qualitative.
On examine deux cas.
Les deux variables sont quantitatives;
Les deux variable sont qualitatives.
CHAPITRE 3 : Statistique descriptive
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.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.1. Représentation graphique de deux variables
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.2. Analyse des variables.
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.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.3. Corrélation (linéaire)
✓ Graphiquement
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
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.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.3. Corrélation
✓ Analytiquement :
Interprétation des résultats :
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.3. Corrélation
Le coefficient de détermination est le carré du coefficient de corrélation.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
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
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
Exemple :
Le tableau suivant donne l’évolution de la moyenne Y, d’un étudiant compte tenu de
sa note de mathématiques durant quatre années d’étude.
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 :
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.5 : Droite de régression.
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.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.5 : Droite de régression.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.5 : Droite de régression.
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 :
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
3.2.5 : Droite de régression.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.2 Deux variables quantitatives
Exemple :
Le tableau suivant donne l’évolution de la moyenne Y, d’un étudiant compte tenu de
sa note de mathématiques durant quatre années d’étude.
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.
Chacune des deux (2) variables prend comme valeur des modalités qualitatives. Les
valeurs distinctes de x et y sont notées respectivement.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
3.3.2 Tableau de contingence
Le données observées peuvent être regroupées sous la forme d’un tableau de
contingence.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
3.3.2 Tableau de contingence
Le données observées peuvent être regroupées sous la forme d’un tableau de
contingence.
On a des relations :
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
3.3.2 Tableau de contingence
Exemple 3.2 : on s’intéresse à une éventuelle relation entre le sexe de 200 personnes
et la couleur des yeux.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
3.3.2 Tableau de contingence
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.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
3.3.2 Tableau de contingence
(1) Distribution marginale du sexe (2) Distribution marginale de la couleur des yeux
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
3.3.3 Tableau des fréquences
Le tableau des fréquences s’obtient en divisant tous les effectifs par la taille de
l’échantillon.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
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
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
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 affectifs observés 𝒏𝒋𝒌 ont les mêmes marges que les effectifs théoriques 𝒏∗𝒋𝒌.
CHAPITRE 3 : Statistique descriptive
Bivariée.
3.3 Deux variables qualitatives
3.3.5 Effectifs théorique et khi-deux (ou khi-carré)
Enfin, les écarts à l’indépendance sont définis par :
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.
CHAPITRE 4 : Quelques éléments de
démographie.
LES RATIOS DEMOGRAPHIQUES
Les proportions.
Formellement, une proportion 𝑃𝑗 est un ratio ayant la forme 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.
CHAPITRE 4 : Quelques éléments de
démographie.
STRUCTURES ET MOUVEMENTS D’UNE POPULATION
Les Mouvements d’une population.
✓ Taux d’accroissement naturel (en pourcentage) :
On appelle taux d’accroissement naturel à l’année t, le rapport suivant :