Statistique Descriptive

Professeur: Mme ALAZALI

 Introduction
❑L’information chiffrée est fréquemment préalable
à la décision.

❑Les utilisations des statistiques sont nécessaires

dans les domaines de l’économie et dans les
domaine de l’activité humaine (économie,
gestion, industrie, médecine, sciences
humaines…) de manière générale .
 Plan du cours
I. Vocabulaire et Concepts fondamentaux
II. Statistique descriptive Univariée
III. Représentations graphiques
IV. Paramètres de Position
V. Paramètres de Dispersion et de forme
VI. Concentration
VII.Les Indices
VIII.Statistique Bivariée
I. Concepts fondamentaux de la
Statistique
 1.1. Vocabulaire

La statistique : L’art et la science de collecter, analyser, présenter

et interpréter l’information

➢Statistique descriptive: Le traitement de données pour en

dégager un certain nombre de renseignement, généralement pour
des fins de description et de comparaison

➢Statistique inférentielle: un autre but de la statistique est

consiste à extrapoler à partir d’un échantillon de la population à
étudier, le comportement de la population dans son ensemble
 1.1. Vocabulaire

Population statistique :
Une population statistique est l'ensemble sur lequel on effectue des
observations.

Individu (ou unités statistiques) :

Les individus sont les éléments de la population statistique étudiée.

Caractère statistique ou variable statistique :

C'est ce qui est observé ou mesuré sur les individus d'une population statistique.
 1.2. Types de Variables statistiques
• Caractéristique susceptible de variations
observables.
– Notation : X , Y , W , ... (caractères)
• Valeurs: les mesures distinctes d'une
caractéristique donnée.
– Notation : x1 , x2 , ... (modalités)

Selon la nature de l’échelle de mesure des modalité

on définit le type de variable statistique…
 1.2. Types de Variables statistiques

il y a 2 Types de Variables statistiques:

• Variable quantitative
• Variable qualitative
 1.2. Types de Variables statistiques

Variable quantitative :
Une variable statistique est quantitative si ses valeurs sont des nombres exprimant
une quantité, sur lesquels les opérations arithmétiques (somme, etc...) ont un sens.

Variable quantitative discrète: Variable quantitative continue:

Une variable quantitative est discrète si elle Une variable quantitative est continue si ses
ne peut prendre que des valeurs isolées, valeurs peuvent être n'importe lesquelles
généralement entières. d'un intervalle réel.
 1.2. Types de Variables statistiques

Variable qualitative :
Une variable statistique est qualitative si ses valeurs, ou modalités, s'expriment de
façon littérale ou par un codage sur lequel les opérations arithmétiques telles que
moyenne, somme, ... , n'ont pas de sens.

Variable qualitative nominale : Variable qualitative ordinale :

C'est une variable qualitative dont les C'est une variable qualitative dont les
modalités ne sont pas ordonnées. modalités sont naturellement ordonnées
II. Statistique descriptive univariée
 2.1. Les série statistique

• Séries statistiques (tout type de données) :Enumération

des résultats :
• Exemples :
– Couleurs des cheveux : blond, brun, blond, noir….
– Nombre d’enfants dans les familles : 1, 2, 1, 4, 0 ….
– Séries statistiques ordonnées (Données quantitative et ordinales):
Enumération du plus petit au plus grand
– Exemple : Nombre d’enfants : 0, 1, 1, 2, 4 ….
• Le nombre total d’observations est l’effectif. Il est noté n
(certain le note N).
2.2: Les Distributions de Fréquences
2.2.1. Distributions non groupées
• Données
xi ni fi
– qualitatives,
– ordinales, x1 n1 f1
– quantitatives
discontinues x2 n2 f2
• Formellement, ces
tableaux ne … … …
concernent pas les xp np fp
données quantitatives
continues. S1p n 1
2.2: Les Distributions de Fréquences
2.2.1. Distributions non groupées (suite)
xi ni fi Chaque ligne correspond à
une valeur observée
différente. Il y a p valeurs
x1 n1 f1 différentes observées.

ni correspond au nombre
x2 n2 f2 d’observations (effectif) ayant
comme valeur xi

… … … fi correspond à la fréquence
(pourcentage) d’observations
n
xp np fp ayant comme valeur xi : f = n
i
i

S1p n 1
2.2: Les Distributions de Fréquences
2.2.1. Distributions non groupées (suite)
• Données ordinales et xi ni fi Ni Fi
quantitatives
discontinues. x1 n 1 f 1 N1 F 1
• x1 est la plus petite
valeur, xp la plus grande x2 n 2 f 2 N2 F 2
des valeurs observées.
• Effectifs cumulés.
– N2 = n2+n1 … … … …. …
• Fréquences cumulées. xp n p f p Np F p
– F2 = f2+f1
S1p n 1
2.2: Les Distributions de Fréquences
2.2.1. Distributions non groupées (suite)
xi ni fi Ni Fi Ni est l’effectif cumulé c’est dire le
nombre d’observations ayant des
valeurs inférieures ou égales à xi :
x1 n 1 f 1 N1 F 1
x2 n 2 f 2 N2 F 2 Fi est la fréquence cumulée c’est à
dire la fréquence des observations
ayant des valeurs inférieures ou
… … … …. … égales à xi :

xp n p f p Np F p
S1p n 1
 2.2: Les Distributions de Fréquences
2.2.2. Distributions groupées
❑ Classes: L’orsque le caractère X quantitatif discret ou continu comprend un
grand nombre de valeurs, il est recommandé de regrouper ces valeurs en
intervalles appellés Classes

▪Les valeurs extrêmes d’une classe sont appelées bornes des classes.
▪Les classes sont mutuellement exclusives.
▪L'amplitude de la classe ou intervalle ou module de classe :
D= borne supérieure - la borne inférieure.

▪Le point central ou encore point médian est situé à mi chemin entre
les bornes. Ci = Binfi +Di/2
 2.2: Les Distributions de Fréquences
2.2.2. Distributions groupées
▪L'intervalle de classe est généralement constant, toutefois, on
utilise parfois une amplitude variable notamment pour les classes
des valeurs extrêmes.
▪En cas de classes d'amplitudes différentes, la densité de

fréquence ni/ Di permet de comparer les effectifs ou les

fréquences d'une classe à l'autre.

▪la densité de fréquence est utilisée pour tracer l’histogramme.

 2.2: Les Distributions de Fréquences
2.2.2. Distributions groupées

▪Exemple: Taille des étudiants d’une école..

Classe Ci ni fi Ni Fi
[140-160[ 150,0 10 0,05 10 0,05
[160-165[ 162,5 20 0,10 30 0,15 Pour les calculs, le centre
[165-170[ 167,5 30 0,15 60 0,30 de classe Ci est utilisé en
remplacement de xi sauf de
[170-175[ 172,5 45 0,23 105 0,53 façon usuelle pour l’âge
(données temporelles).
[175-180[ 177,5 40 0,20 145 0,73
[180-185[ 182,5 35 0,18 180 0,90
[185-190[ 187,5 15 0,08 195 0,98
[190-200[ 195,0 5 0,03 200 1,00
Représentations graphiques
 1.Distributions non cumulées
• 1.1. Distribution non groupées
❑Données qualitatives
– Diagramme sectoriel
▪ Angle au centre proportionnel à ni (ou fi).

Répartition des groupes

Groupes sanguins
sanguins ni fi
A 35 35% A
B 9 9% 16
35 B
O 40 40% O
AB 16 16%
40 9
AB
100 100%
 1. Distributions non cumulées
• 1.1. Distribution non groupées
❑Données qualitatives
– Diagramme en barres
✓ Diagramme à barres vertical des effectifs et des fréquences)
✓ Diagramme à barres Horizontal des effectifs et des
fréquences)

180
160
160
Modalités Effectifs Fréquences % 140
Bleu 60 0.200 20,0 120
Noir 160 0,533 53,3 100
Noisette 40 0,133 13,3 80
60
Vert 40 0,133 13,3 60
40 40
Total : 300 1 100 40
20

0
Bleu Noir Noisette Vert
 1. Distributions non cumulées
1.1. Distribution non groupées
❑Données quantitatives discrètes
- Diagramme en bâtons
❑ On trace parallèlement à l'axe des ordonnées, en regard des xi qui sont
portés en abscisse, un segment de longueur proportionnel à n

- Polygone des fréquences

❑ Ligne brisée joignant les bâtons.
❑ Fréquences absolues / fréquences relatives.
 1. Distributions non cumulées
1.1. Distribution non groupées
❑Données quantitatives discrètes (exemple)

25
nombre nombre de
d'enfants familles (ni) 20

(xi)
0 10 15

1 20
2 15 10

3 5
4 3 5

>4 0
0
0 1 2 3 4 >4

Polygone des fréquences Diagramme en bâtons

 1. Distributions non cumulées
1.2. Distribution groupées
❑Données quantitatives
– Histogramme :
▪ Composé de rectangles ayant comme base
l'intervalle de classe et comme hauteur la densité
de fréquence (ni/Di).
▪ La surface est proportionnelle à ni.

– Le polygone des effectifs ou des fréquences:

▪ obtenu en joignant dans l’histogramme de cette
distribution les milieux des côtés horizontaux
supérieurs
 1. Distributions non cumulées
• 1.2. Distribution groupées
❑ Données quantitatives
– Histogramme (exemple)

Classes Effectifs 900 effectif

[0 – 3[ 830 800

[3 – 5[ 615 700

[5 – 10[ 510 600

[10 – 20 [ 92 500

[20 – 30[ 63 400

[30 – 50[ 15 300

200
100
0

0
3

30

50
Classes Effectifs Amplitude Effectifs 350
Effectif rectifié
ni ai rectifiés 300
ni /ai
250
[0 – 3[ 830 3 276,7
[3 – 5[ 615 2 307,5 200
HISTOGRAMME
[5 – 10[ 510 5 102,0 150
[10 – 20 [ 92 10 9,2
[20 – 30[ 63 10 6,3 100

[30 – 50[ 15 20 0,75 50

30

50
0
3
 1.Distributions non cumulées
1.2. Distribution groupées
❑ Données quantitatives
– Histogramme (exemple)

Classes Effectifs Amplitude Effectifs 350

Effectif rectifié
ni ai rectifiés
300
ni /ai
[0 – 3[ 830 3 276,7 250
[3 – 5[ 615 2 307,5 200
HISTOGRAMME
[5 – 10[ 510 5 102,0
[10 – 20[ 92 10 9,2 150

[20 – 30[ 63 10 6,3 100

[30 – 50[ 15 20 0,75
50

30

50
0
3
La surface = ai (n
×i/ai) est de 830 unités

La surface = ai ×(ni/ai) est de 615 unités

Dans un histogramme, ce sont les surfaces des rectangles (ce que l’œil voit), qui sont
proportionnelles aux effectifs, et non les hauteurs de ces rectangles

Remarque: Le tracé de l’histogramme des fréquences est identique. Il suffit de porter

en ordonnées la fréquence rectifiée di = fi/ai, appelée densité.
 2.Distributions cumulées

Uniquement pour des données quantitatives

• Polygone des fréquences :
– Distributions non groupées = escalier.
– Distributions groupées = ligne brisée.
 2.Distributions cumulées

Nombre de Nombre de Effectifs Effectifs Fréquences Fréquences Fréquences

produits clients cumulés cumulés cumulées cumulées
financiers croissants décroissants croissantes décroissantes
xi ni Ni N’i fi Fi F’i
0 103 103 360 0,2861 0,2861 1
1 115 218 257 0,3194 0,6055 0,7139
2 95 313 142 0,2639 0,8694 0,3945
3 35 348 47 0,0972 0,9666 0,1306
4 10 358 12 0,0278 0,9944 0,0334
5 2 360 2 0,0056 1 0,0056
Total : 360 1

Il y a 313 clients possédant un nombre de produits financiers inférieur ou égal à 2

Il y a 47 clients possédant un nombre de pro. fin. supérieur ou égal à 3

La proportion de clients possédant un nombre de pro. fin. inférieur ou égal à 4 est de 99,44%

La proportion de clients possédant un nombre de pro. fin. supérieur ou égal à 1 est de

71,39%
 2.Distributions cumulées

400
x xi ni Ni N(x) N’i N ’(x)
− 0 360
350

300
0 0 103 103 360
103 257 250
1 1 115 218 257
218 142 200
2 2 95 313 142
313 47 150
35 348 47
3 3 348 12 100
10 358 12
4 4 358 2 50
2 360 2
5 5 360 0
0

+ -2 -1 0 1 2 3 4 5 6
 2.3.2.Distributions cumulées
x
− [ei – ei+1[ Fi F’i
F(x) F’i F’(x)
?
0 0 1 1
[0-3[ 0,391 1,000 1,000
0,9
3 0,391 0,609
[3-5[ 0,680 0,609 0,609 0,8
Fi
5 0,680 0,320 0,7
[ 5 - 10 [ 0,920 0,320 0,320
0,920 0,080
0,6 F’i
10 [10 - 20 [ 0,963 0,080 0,080 0,5

20 0,963 0,037 0,4

[20 - 30 [ 0,993 0,037 0,037 0,3
30 0,993 0,007
[30 - 50 [ 1,000 0,007 0,007 0,2

50 1 0 0,1

+ -10
0
0 10 20 30 40 50 60
 Les Distributions graphiques
RESUME
VARIABLE QUALITATIVE VARIABLE QUANTITATIVE
Nominale Ordinale Discrète Continue

Effectifs ou Fréquences
Diagramme en bâtons Histogramme
Diagramme en barres Diagramme en barres

Diagramme circulaire Modalités dans Courbes cumulatives des effectifs ou des fréquences
l ’ordre
IV. Paramètres Statistiques
 Paramètres statistiques

Les représentations graphiques ont permis une première synthèse visuelle de la

distribution des observations

Un paramètre statistique permet de résumer par une seule quantité numérique une
information contenue dans une distribution d’observations.

Les paramètres statistiques ne concernent que les variables quantitatives

 Paramètres statistiques

I. Paramètres de tendance centrale et de position

II. Paramètres de dispersion

III. Paramètres de forme

IV. Paramètres de concentration

I. Paramètres de tendance
centrale et de position
 I. Paramètres de tendance centrale et de position

1. Le Mode
❑Le mode Mo(x), d’une série ou distribution
statistique est la valeur pour laquelle l’effectif ou
la fréquence est le plus élevé
❑Une classe modale Mo(x) est une classe de
densité maximale
❑On distingue entre Mode « absolu » et Mode « relatif »
 I. Paramètres de tendance centrale et de position

1. LE MODE
Une distribution est unimodale si elle présente un maximum marqué, et pas d'autres
maxima relatifs.
La lecture s’effectue sur le diagramme en bâtons ou l'histogramme.

100
140 90
80
120
70
100
60
80 50
60 40
30
40
20
20
10
0 0
0 1 2 3 4 5 6
900 1400 1900 2400 2900 3500 ou plus...

Mode Mode Classe modale

Le mode correspond à l'abscisse du maximum, c.à.d. la valeur la plus fréquente

 I. Paramètres de tendance centrale et de position

1. LE MODE
Si la distribution présente 2 ou plus maxima relatifs, on dit qu'elle est bimodale ou
plurimodale.
La population est composée de plusieurs sous-populations ayant des caractéristiques
de tendance centrale différentes.
90

80
140
70
120
60
100
50
80
40
60
30
40 20
20 10

0 0
0 1 2 3 4 5 6 900 1400 1900 2400 2900 3500 4000 4500 ou
plus...

Mode 1 Mode 2 Mode 1 Mode 2

 I. Paramètres de tendance centrale et de position

1. LE MODE
 I. Paramètres de tendance centrale et de position

2. La Médiane

La médiane M est la valeur du milieu de la série d’observations, c.à.d. telle qu'il y ait
autant d'observations "au-dessous" que "au-dessus".

Nombre impair d’observations Nombre pair d’observations

3 4 4 5 6 8 8 9 10 3 4 4 5 6 8 8 9

4 valeurs 4 valeurs 4 valeurs 4 valeurs

M Intervalle médian
M = milieu = 5,5

! Les valeurs observées doivent être rangées par ordre croissant.

 I. Paramètres de tendance centrale et de position

2. La Médiane

❑ De manière générale

• Si l'effectif total n est un nombre impair, la médiane est le

terme de rang .
• Si l'effectif total n est un nombre pair, la médiane est le centre
de l'intervalle formé par les termes de rang et .

❑ Quand la série est regroupée par classes, on détermine la

médiane graphiquement à partir de la courbe des effectifs
cumulés ou des fréquences cumulées.
I. Paramètres de tendance centrale et de position

2. La Médiane : « cas de variable discrète »

F(x) F(x)
xi ni Fi xi ni Fi
0 0
0 103 0,286 0 103 0,286
0,286 0,286
M 1 115 0,606 Intervalle médian 1 77 0,500
0,606 0,500 0,5
2 95 0,869 M = milieu = 1,5 2 95 0,764
3 35 0,967
0,869 0,764
3 35 0,861
0,967 0,861
4 10 0,994 4 10 0,889
0,994 0,889
5 2 1 5 40 1
1 1
 I. Paramètres de tendance centrale ou de position

2. La Médiane : « cas de variable continue»

x [ei – ei+1[ Fi F(x)

0 0
[0-3[ 0,391
0,5 − 0,391
3 0,391 D'où M = 3 + ( 5 − 3)  3, 22
M [3-5[ 0,680 0,5 0,680 − 0,391
5 0,680
[ 5 - 10 [ 0,920
10 0,920
[10 - 20 [ 0,963
20 0,963
[20 - 30 [ 0,993
30 0,993
[30 - 50 [ 1
50 1
M-3 0,5 – 0,391
=
5-3 0,680 - 0,391
I. Paramètres de tendance centrale ou de position

2. La Médiane : « cas de variable continue»

 I. Paramètres de tendance centrale ou de position

3. La Moyenne

1 n
Série brute x 1 , x 2 , … , xn x =  xi
n i=1

Valeurs de Effectifs Fréquences 1 k

la variable x =  nixi
x1 n1 f1= n1/n n i=1
Série groupée
… … …
k
nixi k
= = fi x i
xi ni fi= ni/n
… … … i=1 n i=1
xk nk fk= nk/n
I. Paramètres de tendance centrale ou de position
3. La Moyenne

Série classée Classes Effectifs Fréquences Centres de classe

[e1 – e2[ n1 f1 x1= ( e1 + e2)/2
[e2 – e3[ n2 f2 x2= ( e2 + e3)/2
…. …. …. ….
[ek – ek+1[ nk fk xk= ( ek + ek+1)/2

1 k k
x =  n i x i =  fi x i
n i=1 i=1
 I. Paramètres de tendance centrale et de position

4. Le quartiles
❑ Le quartile fait partie des quantiles.
❑ On appelle quantiles d'ordre k les (k-1) valeurs qui divisent les
observations en k parties d'effectifs égaux.

❖ 1 médiane M qui divise les observations en 2 parties égales

❖ 3 quartiles Q1, Q2, Q3 qui divisent les observations en 4 parties égales
❖ 9 déciles D1, D2, …, D9 qui divisent les observations en 10 parties égales
❖ 99 centiles C1, C2, …, C99 qui divisent les observations en 100 parties égales
 I. Paramètres de tendance centrale et de position

4. Les quartiles
❑ un quartile est chacune des trois valeurs qui divisent les données
triées en quatre parts égales, de sorte que chaque partie
représente 1/4 de l'échantillon de population.

❖ le 1er quartile est la donnée de la série qui sépare les 25 % inférieurs des
données (notation Q1) ;

❖ le 2e quartile est la donnée de la série qui sépare les 50 % inférieurs des

données (notation Q2) ; il est également appelé médiane ;

❖ le 3e quartile est la donnée de la série qui sépare les 75 % inférieurs des

données (notation Q3) ;
 I. Paramètres de tendance centrale et de position

4. Les quartiles
o Série Brute
❑ Pour déterminer les quartiles Q1 et Q3, on procède un peu de la même façon
que pour la médiane. On dresse la liste de toutes les valeurs de la série par
ordre croissant, chaque valeur étant répétée autant de fois que son effectif.

❖ Si est un entier p, Q1 est le centre de l'intervalle formé par les termes de

rang p et p+1, tandis que Q3 est le centre de l'intervalle formé par les termes de
rang 3p et 3p +1 ;

❖ Si n'est pas un entier, Q1 est le terme de rang immédiatement supérieur

à et Q3 est le terme de rang immédiatement supérieur à
II. Paramètres de Dispersion
 II. Paramètres de Dispersion
▪ Les paramètres de tendance centrale et de position indiquent autour de
quelle valeur se situent les données, mais ne donnent pas une description
suffisante de la variable statistique. Par exemple, si on désire comparer les
2 groupes d'élèves proposés dans les diagrammes ci-dessous:

▪ Les 2 distributions ne sont pas identiques et pour mettre en évidence

cette différence, il faut mesurer la dispersion des données autour de cette
mesure de tendance centrale
 II. Paramètres de Dispersion
1. Les mesures de dispersion absolue
❖ L’Etendue:
▪ L'étendue d'une variable discrète est la différence entre la plus grande et
la plus petite modalité.
▪ L'étendue d'une variable continue est la différence entre la borne
supérieure de la dernière classe et la borne inférieure de la première
classe.

Etendue : R = xmax - xmin

 II. Paramètres de Dispersion
1. Les mesures de dispersion absolue
❖ L'écart moyen:
▪ L'écart moyen EM est la moyenne pondérée des valeurs
absolues des écarts à la moyenne:

❖ L'écart interquartile:
▪ L'écart interquartile est l'écart entre le 1er et le 3ème quartile:
 II. Paramètres de Dispersion
1. Les mesures de dispersion absolue
❖ La variance:
▪ La variance σ2 d'une variable statistique est la moyenne pondérée des
carrés des écarts à la moyenne:

❖ L'écart-type :
▪ L'écart-type σ est la racine carrée de la variance
 II. Paramètres de Dispersion
1. Les mesures de dispersion relative
▪ Pour caractériser la distribution des valeurs d'une variable statistique, on
utilise généralement une mesure de tendance centrale et une mesure de
dispersion.
▪ Dans la grande majorité des cas, on caractérise la distribution des valeurs
par la moyenne et l'écart-type.

▪ Si l'écart-type d'une variable est égal à 10, peut-on dire que les données
sont très dispersées? Bien sûr, cela dépend de l'ordre de grandeur des
données. Il est donc nécessaire parfois de mesurer la dispersion relative

▪ le paramètre dispersion relative le plus utilisé est : le coefficient de

variation
 II. Paramètres de Dispersion
1. Les mesures de dispersion relative
❖ Le coefficient de variation :
▪ Le coefficient de variation CV d'une variable statistique est le ratio entre l'écart-type et
la moyenne exprimé sous la forme d'un pourcentage:

▪ Le coefficient de variation est un indicateur de l'homogénéité de la population. On

considère qu'un coefficient de variation inférieur à 15% indique que la population est
homogène, tandis qu'un coefficient supérieur à 15% indique que les valeurs sont
relativement dispersées.
▪ Le coefficient de variation est une mesure sans unité et indépendante de l'ordre de
grandeur. On peut donc l'utiliser pour comparer la dispersion de variables statistiques
avec des ordres de grandeur et des unités différentes.
II. Paramètres de Forme
 III. Paramètres de Forme
❑ On peut chercher à caractériser la forme d'une distribution de
fréquences au moyen de coefficients appropriés.
❑ On comparera volontiers ces distributions de fréquences avec
celle obtenue, par le fruit du hasard
❑ Le polygone des fréquences "lissé" admet une forme
caractéristique de courbe en cloche.
 III. Paramètres de Forme
❑Une telle situation est appelée "loi normale".

❑ Cependant, les distributions peuvent présenter une asymétrie

ou un aplatissement par rapport à la courbe normale.

❑ Les deux types de mesures de forme sont les mesures

d'asymétrie ou de dissymétrie et les mesures d'aplatissement.
 III. Paramètres de Forme
1. Les mesures d'asymétrie ou de dissymétrie
▪ La distribution des valeurs est symétrique si le polygone des fréquences est
symétrique par rapport à un axe vertical passant par son sommet. Dans un tel cas,
le mode, la médiane et la moyenne se confondent.
 III. Paramètres de Forme
1. Les mesures d'asymétrie ou de dissymétrie
▪ La distribution des valeurs est symétrique si le polygone des fréquences est
symétrique par rapport à un axe vertical passant par son sommet. Dans un tel cas,
le mode, la médiane et la moyenne se confondent.
 III. Paramètres de Forme
1. Les mesures d'asymétrie ou de dissymétrie
▪ La distribution des valeurs est dissymétrique à droite si la portion du polygone des
fréquences située à droite du sommet est plus longue que l'autre.

▪ La distribution des valeurs est dissymétrique à gauche si la portion du polygone des

fréquences située à gauche du sommet est plus longue que l'autre.
 III. Paramètres de Forme
1. Les mesures d'asymétrie ou de dissymétrie
▪ Il existe différentes manières de caractériser et de mesurer la dissymétrie.
▪ Parmi les méthodes plus connues, nous citons celle de Ronald Fischer qui
a proposé un coefficient basé sur les écarts par rapport à la moyenne des
valeurs en utilisant le moment centré d'ordre 3.

❖ Le coefficient de dissymétrie de Fischer :

 III. Paramètres de Forme
1. Les mesures d'asymétrie ou de dissymétrie
❖Le coefficient de dissymétrie de Fischer :
❑ Le signe du coefficient de Fischer indique le sens de la
dissymétrie :

• γ1 < 0 distribution dissymétrique à gauche

• γ1 = 0 distribution symétrique
• γ1 > 0 distribution dissymétrique à droite
 III. Paramètres de Forme
2. Les mesures d’aplatissement
▪ Les mesures d'aplatissement font partie des mesures qui caractérisent la forme d'une
distribution.
▪ Elles caractérisent le degré d'aplatissement de la distribution par rapport à l'aplatissement de
la distribution normale («courbe en cloche»2 ).
▪ Il est alors utile de pouvoir mesurer si la forme de la distribution présente une déviation par
rapport à l'aplatissement de la distribution normale.
▪ Une distribution est platicurtique ou hyponormale si la courbe est plus aplatie que la courbe
normale; elle est leptocurtique ou hypernormale si la courbe est plus pointue que la courbe
normale.
 III. Paramètres de Forme
2. Les mesures d’aplatissement
❖Le coefficient d’aplatissement de Pearson
▪ Pour mesurer l'aplatissement de la courbe, on utilise le coefficient β2 de Pearson
basé sur le moment centré d'ordre 4:

• β2 > 3 courbe leptocurtique ou hypernormale

• β2 = 3 courbe normale
• β2 < 3 courbe platicurtique ou hyponormale