…………………………………………………………………………………………………………………………………………………………….

SYLLABUS DU COURS

(Année académique 2019-2020)

DEPARTEMENT : PHILOSOPHIE – PSYCHOLOGIE

SECTION : PSYCHOLOGIE Licence 2

CODE ET INTITULE DE L’UE : PSY 112 – Statistiques descriptives

Semestre : 2

Nom et prénom de l’enseignant (CM/TD) : Dr Njiomo Joseph

Descriptif du cours

Ce cours de statistiques descriptives s’adresse aux étudiants de psychologie qui n’ont pas encore
suivi d’enseignement de statistique. Il se propose de mettre
mettre à la disposition de ceux-ci
ceux les
connaissances fondamentales en statistiques descriptives qui leur permettront de les appliquer dans
le domaine des sciences sociales en général, et plus particulièrement celui de la psychologie. Ils
devront au terme de ce cours, s’approprier du langage statistique ainsi que des différents modes
d’analyse statistique.

Mots clés : statistique (s), statistique descriptive, échelle, graphique, mesures de tendance centrale,
indicateurs de la position relative, mesures de dispersion.
disp

Plan de progression du cours

Semaine 1 :

Prise de contact

Communication des objectifs et du contenu du cours

Semaine 2 :

Introduction générale

Chapitre 1 : Généralités et concepts

c fondamentaux en statistique

1
Semaine 3 :

Chapitre 1 (suite et fin)

Distribution des travaux dirigés et TPE

Semaine 4 :

Chapitre 2 : Les types d’échelles de mesure

Semaine 5 :

Chapitre 3 : La distribution de fréquences

Semaine 6 :

Chapitre 4 : La représentation graphique des données

Semaine 7 : Chapitre 4 (suite et fin)

Chapitre 5 : Les mesures de la tendance centrale

Semaine 8:

Chapitre 5 (suite et fin)

Début des travaux dirigés et TPE

Semaine 9 :

Suite des travaux dirigés et TPE

Semaine 10 : Contrôle continu

Semaine 11 : Suite et fin des TD et TPE

Semaine 12 :

Chapitre 6 : Les mesures de dispersion

Semaine 13 :

Chapitre 6 (suite et fin)

Conclusion générale

Semaine 14 : Examen final

Bibliographie indicative
2
Calot, G. (1965). Cours de statistique descriptive. Paris : Dunod.

Favergne, J. M. (1975). Méthodes statistiques en psychologie appliquée. Paris : Dunod.

Gankou, J. M. (2014). Initiation aux méthodes statistiques : la statistique descriptive. Yaoundé :

SOPECAM.

Gankou, J. M. et Nantchouang, R. (1985). Statistique descriptive. Yaoundé : CEPER ;

Mialaret, G. (1996). Statistiques. Paris : PUF.

Sites web :

-google scholar

-archives ouvertes

-ucac

-uqam

Système d’évaluation

Le système d’évaluation est celui prescrit par l’Université, à savoir : le contrôle continu, les travaux
dirigés, les travaux personnels encadrés, l’examen final ; et ceci en respect des quotas ci-après :

CC ………………….. 30 %

TD …………………… 10 %

TPE …………………. 10 %

EE ……………………. 50 %

Total = 100 %

3
Plan du cours

Introduction générale

Chapitre 1: Généralités et concepts fondamentaux

Chapitre 2: Echelles de mesure

Chapitre 3: Distribution de fréquences

Chapitre 4 : Représentations graphiques des données

Chapitre 5: Mesures de la tendance centrale

Chapitre 7: Mesures de la dispersion

Conclusion générale

Bibliographie indicative

Résumé
Ce cours de statistiques descriptives s’adresse aux étudiants de psychologie qui n’ont pas
encore suivi d’enseignement de statistique. Il se propose de mettre à la disposition de ceux-
ci les connaissances fondamentales en statistiques descriptives qui leur permettront de les
appliquer dans le domaine des sciences sociales en général, et plus particulièrement celui de
la psychologie. Ils devront au terme de ce cours, s’approprier du langage statistique ainsi que
des différents modes d’analyse statistique.

Mots clés : statistique (s), statistique descriptive, échelle, graphique, mesures de tendance
centrale, indicateurs de la position relative, mesures de dispersion.

4
Introduction générale

La statistique est une méthode qui étudie les propriétés numériques des
ensembles comportant de nombreux éléments. La statistique descriptive quant à
elle a pour but de décrire le phénomène observé, de dégager l’essentiel et de
réaliser des synthèses à l’aide d’un langage numérique. En d’autres termes, elle
est une méthode scientifique qui consiste à réunir des données chiffrées sur des
ensembles nombreux, puis à analyser, à commenter et à critiquer ces données.
Cette science s’applique à tous les domaines d’investigation quantitative :
recherche en sciences sociale, en éducation, en démographie, en économie, en
biologie, etc.

Comme toute science, la statistique fait appel à un vocabulaire spécialisé. Il ne

faut donc pas confondre la statistique qui est une science qui vient d’être définie
et une statistique qui est un ensemble de données chiffrées sur un sujet précis.

La statistique, qui a pour principes l’objectivité, l’exactitude, la fiabilité…n’a

pas pour objet la connaissance des éléments des ensembles dans ce qui fait leur
individualité, mais au contraire dans ce qu’ils ont en commun : il s’agit d’obtenir
des résultats globaux. Ainsi, une enquête statistique portant sur des personnes
n’a pas besoin de faire intervenir leurs noms, mais seulement les renseignements
que l’on désire étudier : par exemple, la répartition de ces personnes par âges,
sexe, couleur de cheveux, profession, etc.
En milieu éducatif, la statistique est d’une importance capitale en ce sens
qu’elle peut être un instrument de mesure des phénomènes psychologies,
des performances des étudiants, d’observation des faits, de comparaisons
des résultats académiques, de sondage en pédagogie, de l’établissement des
relations de causalité, etc.

Chapitre 1: Généralités et concepts fondamentaux

5
Compétences : Définir les notions fondamentales inhérentes à la statistique

1-1-Les statistiques et la statistique

1-1-1-Les statistiques est un ensemble de données chiffrées sur un sujet précis.

1-1-2-La statistique est une méthode scientifique qui consiste à réunir des
données chiffrées sur des ensembles nombreux, puis à analyser, à commenter et
à critiquer ces données. La statistique comprend deux branches : La statistique
descriptive et la statistique inférentielle ou inductive.
- La statistique descriptive. C’est une méthode de description numérique
d’ensembles d’objets (population) généralement nombreux et présentant
une ou plusieurs caractéristiques variables, susceptibles de mesure ou de
dénombrement.
- La statistique inférentielle ou inductive. C’est un ensemble de
méthodes permettant d’inférer ou de généraliser avec un maximum de
certitude ou de probabilité, les caractéristiques possédées par les objets,
sujets, personnes, animaux, faits qui nous intéressent (population), à partir
de celles observées chez un sous-ensemble de sujets (échantillon).En
d’autres termes, elle analyse ou étudie, à partir des résultats de la
statistique descriptive, les possibilités de faire des liens ou des relations
(inférences) entre l’ensemble des sujets d’une catégorie (échantillon) et
des ensembles plus vastes ou plus nombreux (population) pris dans des
situations plus spécifiques ou autres que celle de la première catégorie.

1-2-Une unité statistique est un élément de la population dont on observe un ou

plusieurs caractères et dont les valeurs sont les modalités. Elle peut être simple
ou composée.
1-3-Une série statistique est un ensemble de valeurs prises par une variable
numérique sur la totalité de la population étudiée, qui peut être un échantillon
d’une population plus large. Elle est chronologique ou spatiale.

1-4-Les modalités. Les modalités sont les différentes situations où les individus
peuvent se trouver à l’égard du caractère considéré. Les caractères les plus
simples sont ceux qui comportent deux modalités (caractères dichotomiques),
par exemple le caractère état matrimonial peut comporter suivant le cas, deux
modalités : marié, non marié ; trois modalités : célibataire, marié, veuf ou
6
divorcé ; quatre modalités : célibataire, marié, veuf, divorcé. Une pièce
mécanique peut être bonne ou mauvaise.

1-5-Un caractère est un trait déterminé commun à toutes les unités statistiques.
Il peut être quantitatif ou qualitatif suivant que ses modalités sont mesurables ou
non. Par exemple on peut avoir comme caractère, l’état matrimonial d’une
personne, le sexe, l’âge, la qualification, etc.
1-5-1-Caractère qualitatif : Un caractère est dit qualitatif si ses diverses
modalités ne sont pas mesurables. Exemple : le sexe, la nationalité, la
profession, l’état matrimonial, etc.

1-5-2-Caractère quantitatif : Un caractère est dit quantitatif si ses différentes

modalités sont mesurables ou repérables, c’est-à-dire, si à chacune de ses
modalités correspond un nombre. Exemple : l’âge, le poids, la taille, le nombre
d’enfants, etc.

1-6-La population : est l’ensemble de tous les objets ou individus (personnes,

animaux ou choses) qui possèdent une ou plusieurs caractéristiques en commun
à un moment donné, dans un espace déterminé .C’est tout ensemble susceptible
de faire l’objet d’une étude statistique ou de recherche. Exemple : La population
des étudiants de la FALSH en octobre de l’année académique en cours.
1-7-L’échantillon est un sous-ensemble extrait de manière aléatoire (hasard
mathématique) et à partir duquel on tente une généralisation (inférence) à la
population totale ou population parente ou population mère.
En pratique, on ne travaille pas avec la population totale, parce que cela est soit
impossible, soit trop long, soit trop coûteux. On utilise alors un échantillon que
l’on espère plus représentatif possible de la population.

1-8-Une constante est une valeur qui ne change pas, c’est-à-dire une quantité
qui ne prendre qu’une seule valeur, une valeur fixe déterminée à l’avance.
Exemple : π =

1-9-Une variable c’est une quantité qui peut varier, qui peut prendre toutes les
valeurs d’un ensemble donné appelé domaine de la variable. Exemple les
résultats scolaires, la taille, la température, l’âge, le poids, etc.
Une variable statistique peut être continue ou discrète, qualitative ou
quantitative, dichotomique, aléatoire.

7
1-9-1-Une variable continue : Une variable est dite continue lorsque ses
valeurs sont a priori en nombres infinis et quelconques dans un intervalle de
valeurs. Ainsi : L’âge exacte d’une personne, exprimé en année, dixième,
centième,… d’année.

1-9-2-Une variable discrète : Une variable statistique est discrète lorsque ses
valeurs possibles sont des nombres isolés. Exemple l’âge d’une personne,
exprimé en années révolues, le nombre d’enfants d’un couple.

1-9-3-Une variable aléatoire est celle qui ne permet pas de prédire (prévoir)
dans son univers des possibilités, quelle valeur elle peut prendre. Elle est liée au
hasard mathématique.
1-9-4-Variable dichotomique. C’est une quantité qui ne comporte que deux
modalités. Exemple : Le sexe (masculin, féminin), le résultat à un examen
(admis, refusé).

1-10-Un paramètre : est une valeur calculée sur une population totale. Il est
généralement désigné par une lettre ordinaire.

1-11-Un indice est une quantité qui mesure un rapport entre deux grandeurs ou
deux nombres. C’est également la mesure de la variation d’une même quantité
entre périodes ; C’est aussi et enfin la comparaison de la mesure d’un même
phénomène effectuée sur deux sujets (personnes, objets, faits) de même nature.

1-12-Le score est le résultat obtenu par une personne à la fin d’un test. On
parlera de score minimum pour exprimer le plus petit score et du score
maximum pour désigner le plus grand score.
1-13-La fréquence est le nombre de fois qu’un score apparaît dans une série de
mesures ou dans une distribution.

1-14-La distribution de fréquences c’est la répartition des mesures observées

ou calculées sur un tableau ou un graphe.

1-15-Une échelle de mesure est une convention numérique de base qui permet
de mesurer un objet, c’est-à-dire de le comparer par rapport à un autre pris
comme étalon (1kg, 1m).

8
1-16-Une hypothèse est une réponse provisoire qui attend d’être confirmée ou
infirmée.

1-17-Un test est une épreuve qu’on administre à un ou plusieurs sujets pour
mesurer une capacité donnée.

1-17-1-Un pré-test est une pré-évaluation, c’est-à-dire une épreuve que l’on
administre à un sujet pour mesurer son niveau de connaissance par rapport à une
capacité donnée ou alors avant l’introduction de la variable (test).
1-17-2-Un post-test est une épreuve qui consiste à évaluer les sujets après
l’introduction de la variable. Elle permet de vérifier le niveau de connaissances
acquises après l’introduction de la variable.

EXERCICES D’APPLICATION

Exercice 1

a. Définir les concepts suivants : statistiques, statistique, statistique descriptive, statistique

différentielle, variable, hypothèse, constante, paramètre, modalité, échantillon, donnée,
population, investigation, score, test, pré-test, post-test.

b. Donner deux exemples précis pour chaque concept.

c. Préciser l’importance de chaque concept.

d. Etablir la nuance entre :

-statistiques et statistique ;

-statistique descriptive et statistique différentielle ;

-variable qualitative et variable quantitative ;

-variable discrète et variable continue,

-variable dépendante et variable indépendante ;

-constante et paramètre ;

-population et échantillon ;

-pré-test et post-test.

Exercice 2

Pour mieux suivre les étudiants, un chercheur s’intéresse aux variables ci-après : notes, rang,
poids, âge, assiduité.
9
Question : préciser pour chacune des variables sus-évoquées deux modalités en mentionnant
son caractère.

10
Chapitre 2 : Echelles de mesure

Compétence : Citer et définir les échelles de mesures de données

Une échelle de mesure est une convention numérique de base qui permet de
mesurer un objet, c’est-à-dire de le comparer par rapport à un autre pris comme
étalon (1m, 1kg, 1 yard). On distingue les échelles nominales, les échelles
ordinales, les échelles à intervalles égaux, les échelles proportionnelles ou de
rapport.

2-1-Echelle nominale
Les données correspondant à ce niveau sont utilisées pour identifier les
différentes catégories d’individus ou objets. Elles jouent seulement le rôle de
nom et ces données sont mutuellement exclusives. Dans cette échelle, il n’y a
pas d’ordre logique.
Exemple : Le statut matrimonial (marié, veuf, …), le sexe (masculin,
féminin), les tranches d’âge (20-30 ans, 31-40 ans, 41-50 ans.

2-2-Echelle ordinale
Les données ici résultent de l’attribution des valeurs 1, 2, 3 …n aux
individus d’une population selon leur position par rapport à quelques
caractéristiques mesurées. Dans cette échelle, les données sont mutuellement
exclusives, elles ont un ordre logique et sont échelonnées en fonction de leur
quantité.
Exemple : les lauriers (1erprix, 2ème prix,….).

2-3-Echelle à intervalle égaux

Dans cette échelle, les données s’excluent mutuellement, elles sont
ordonnées mais comportent aussi des différences numériques correspondant à
des différences réelles égales. Cependant, les données de cette échelle n’ont pas
de zéro absolu.
Exemple 1 : la température. On peut affirmer que tous les intervalles sur
l’échelle Celsius sont tous comparables d’un point à l’autre en ce sens qu’on a
besoin d’un même nombre de calories pour faire passer la température de 18 à
20 que de 24 à 28.
Par contre on ne saurait dire qu’à 20, il fait deux fois plus chaud qu’à 10,
parce que le point 0 sur l’échelle Celsius ne signifie pas absence de chaleur.
Exemple 2 : les années civiles où 0 (zéro) naissance de J.C. n’est pas le
début de l’existence de la terre. 1980 – 1970 = 1970 – 1960.
11
2-4-Echelle rationnelle ou de proportion
En plus des proportions de l’échelle précédente, elle a le point zéro
absolu, ce qui rend légitime toutes les opérations arithmétiques y compris celles
proportions.
Exemple : le poids, la taille, l’âge d’un groupe de personnes, la longueur
des tables-bancs etc. peuvent se prêter à toutes sortes d’opérations arithmétiques.
Pour des raisons d’ordre pratiques, nous situons le rendement scolaire à ce
niveau, bien que cela soit encore discutable. Prenons ici le cas des notes données
aux élèves au terme d’un devoir ; correspondent-elles vraiment au rendement de
chacun d’eux ?

Remarque :
On peut remarquer que ces quatre niveaux constituent une hiérarchie, plus
on descend, plus les données deviennent riches en signification, plus il y a
d’opérations arithmétiques légitimes.
Les données d’un niveau quelconque possèdent toutes les propriétés des
données des niveaux précédents.
Les données d’intervalle et les données de proportion sont des données
métriques parce qu’elles résultent de l’application d’un instrument de mesure
(thermomètre, montre, règle, mètre, test, etc.)

EXERCICES D’APPLICATION

Exercice 1

Après avoir défini le concept d’échelle, donner la différence entre l’échelle nominale et
l’échelle ordinale d’une part, et d’autre part entre l’échelle d’intervalle et l’échelle de ratio.

Exercice 2

Un chercheur veut mener une investigation dans un établissement scolaire. Pour y arriver, il
s’intéresse aux variables suivantes :

-couleurs des locaux – nombre d’élèves – nombre de salles de classes – notes des élèves –
taille des élèves – poids des élèves – le sexe – la température – l’état matrimonial – le grade
des enseignants – le nombre d’élèves par rapport au nombre d’enseignants.

Question : pour chaque variable, donner deux modalités et préciser son type d’échelle de
mesure. (Un tableau est obligatoire).

12
Chapitre 3: Distribution de fréquences

Compétences d’apprentissage : Construire et commenter un tableau de

distribution de fréquences;
- Représenter graphiquement et commenter un tableau de distribution de
fréquences.

Lorsqu’on a à faire à des données statistiques, on peut, pour faciliter leur

exploitation, les consigner dans un tableau appelé tableau des effectifs ou de
fréquences. Si on a un grand nombre de données brutes, il est souvent utile de
les regrouper dans un tableau en classes, en déterminant le nombre d’individus
de chaque classe appelé effectif de la classe ou fréquence, c’est la distribution de
fréquences. Ce tableau peut ainsi faire l’objet de représentations graphiques.

3-1-Distribution de fréquences

3-1-1-Tableau de distribution simple des effectifs ou de fréquences

Exemple: Voici une distribution de 40 enseignants selon le nombre d’enfants de

chacun : 5 ; 0 ; 6 ; 6 ; 0 ; 0 ; 2 ; 0 ; 0 ; 5 ; 0 ; 4 ; 4 ; 3 ; 0 ; 3 ; 5 ; 1 ; 2 ; 2 ; 5 ; 2 ;
0 ; 2 ; 0 ; 2 ; 1 ; 6 ; 0 ; 2 ; 0 ; 2 ; 4 ; 0 ; 1 ; 1 ; 2 ; 4 ; 3 ; 2.
Organiser ces données dans un tableau des effectifs faisant ressortir les
fréquences relatives, les fréquences cumulées croissantes et décroissantes, les
fréquences en pourcentage, les fréquences en pourcentage cumulées croissantes
et décroissantes.
Solution :

Xi Eff Fr Fcc Fcd Fr% Fr%cc Fr%cd

0 12 12/40 12 40 30,00 30 100
1 4 4/40 16 28 10,00 40 70
2 10 10/40 26 24 25,00 65 60
3 3 3/40 29 14 7,50 72,5 35
4 4 4/40 33 11 10,00 82,5 27,5
5 4 4/40 37 7 10,00 92,5 17,5
6 3 3/40 40 3 7,50 100 7,5
TOTAL 40 1 / / 100,00 / /

Remarque 1 : Dans une distribution statistique :

- La fréquence (F), la fréquence absolue (Fa), et l’effectif (Eff) d’une

modalité désignent la même chose.
13
 - La fréquence relative (Fr) est le rapport entre la fréquence absolue et
l’effectif total (N). Fr = . On peut l’exprimer en pourcentage : Fr = x
100.

Remarque 2: L’utilité de la fréquence absolue cumulée (croissante ou

décroissante) est de lire sur le tableau le nombre de valeur qui intéresse le
statisticien. Exemple : si l’on veut prendre les enseignants qui ont au moins 1
enfant, on prendra selon le tableau 28. Si c’est 2, ce sera 24 enseignants, etc.
Lorsqu’il s’agit d’une valeur continue, un problème nouveau apparaît, celui
de la tranche des valeurs du caractère étudié.
3-1-2-Tableau de distribution des valeurs continues

Exemple : Soit la taille en centimètre de 35 élèves de l’ENIEG ci-dessous :

187 ; 159 ; 163 ; 166 ; 170 ; 173 ; 175 ; 178 ; 162 ; 166 ; 169 ; 173 ;
174 ; 176 ; 186 ; 160 ; 163 ; 166 ; 170 ; 174 ; 176 ; 178 ; 161 ; 165 ;
168 ; 171 ; 174 ; 176 ; 183 ; 161 ; 165 ; 168 ; 170 ; 174 ; 176.
Organise ces données dans un tableau en 6 classes d’amplitude 5. Faire
apparaitre dans ce tableau les limites réelles, les limites exactes, les centres de
classes.

Solution :

Classes (limites Limites Centres de Effectifs

réelles) exactes classes
155 – 159 154,5 – 159,5 157 1
160 – 164 159,5 – 164,5 162 6
165 – 169 164,5 – 169,5 167 8
170 – 174 169,5 – 174,5 172 10
175 – 179 174,5 – 179,5 177 7
180 – 184 179,5 – 184,5 182 1
185 – 189 184,5 – 189,5 187 2
TOTAL 35

Remarque : Dans une classe a – b :

- a – b est appelé limites réelles. a est la borne ou limite réelle inférieure et

b est la borne ou limite réelle supérieure.
- (a – 0,5) – (b+0,5) est appelé limites exactes.(a – 0,5) est la borne ou
limite exacte inférieure et(b+0,5) est la borne ou limite exacte supérieure.

14
 摲 ( – , )–( , )
- = = centre de classe ou point milieu de la classe.
- Lorsqu’on utilise les limites réelles, l’amplitude est : (b – a) + 1. Si on
utilise les limites exactes, cette amplitude est (b+0,5) - ( – 0,5).

15
 Chapitre 4 : Représentations graphiques des données

Les représentations graphiques permettent une lecture simple et rapide des

caractéristiques des éléments observés. En statistique, plusieurs types de
graphiques sont représentés selon la nature des données et l’objectif souhaité.
C’est ainsi qu’on peut citer :

- les diagrammes en bâtons –les tuyaux d’orgue - les diagrammes circulaires ou

semi circulaires - les histogrammes encore appelés diagrammes en bandes - les
polygones des effectifs - les ogives ou polygones des effectifs cumulés, etc.

4.1. Cas des données à caractère qualitatif

On utilise généralement les diagrammes circulaires ou semi-circulaires et les

tuyaux d’orgue.

Exemple : Dans une Inspection d’arrondissement de l’éducation de base de la

place, on a recensé dans dix écoles pilotes 100 Instituteurs contractuels (IC)
comme l’indique le tableau suivant :

Dénominations Effectifs
IC1 25
IC2 40
IC3 15
IC4 20
TOTAL 100
Construire le diagramme circulaire et les tuyaux d’orgue de cette distribution.
Solution: - Complétons le tableau de distribution par les angles au centre.
Dénominations Effectifs Angles au centre
IC1 25 x 360° = 90°
IC2 40 x 360° = 144°
IC3 15 x 360° = 54°
IC4 20 x 360° = 72°
TOTAL 100 360°
-Construisons un secteur circulaire et plaçons les angles au centre
trouvés.

IC4 (72°) IC1 (90°)

16
 IC3 (54°) IC2 (144°)

-Construisons les tuyaux d’orgue

40

30

20

10

0
IC1 IC2 IC3 IC4

NB : Dans le cas des diagrammes semi-circulaires, on multiplie les fréquences

relatives par 180° pour déterminer les angles au centre des modalités
correspondantes.

4.2. Cas des données à caractère quantitatif

Les données à caractère quantitatif peuvent avoir des variables quantitatives

discrètes ou continues.

4.2.1. Données à variables quantitatives discrètes

Ici, les diagrammes utilisés sont les diagrammes en bâtons

Exemple : Soit le tableau de distribution relatif aux 40 enseignants selon le

nombre d’enfants de chacun.

Xi 0 1 2 3 4 5 6 Total
F ou 12 4 10 3 4 4 3 40
Fa
Construis le diagramme en bâton de cette distribution statistique.

17
Solution

Effectifs
12

10

0 1 2 3 4 5 6 nbre
d’enfants

4.2.2. Données à variables quantitatives continues

On utilise généralement les histogrammes ou diagramme en bandes, les

polygones (polygones des effectifs, les ogives ou polygones des effectifs
cumulés).

Exemple 1 : Dans une classe, on a relevé la taille en cm de 100 étudiants. Les

données sont inscrites dans le tableau suivant :

Tailles 165-169 170-174 175-179 180-184 185-189 Total

Effectifs 5 18 42 27 8 100

18
 Construis dans le même repère l’histogramme et le polygone des
effectifs.
Solution : Construction de l’histogramme et du polygone des effectifs

Polygone des effectifs Histogramme

50

40

30

20

10

0
164,5 167 169,5 172 174,5 177 179,5 182 184,5 187 189,5

NB : Le polygone des effectifs est la ligne brisée obtenue en joignant les milieux
des côtés supérieurs des rectangles dans l’histogramme.

Exemple 2 : Soit le tableau de distribution suivant. Construire dans le même

repère les polygones des effectifs cumulés croissants et décroissants

Poids des Effectifs Eff. C. Eff. C. D

élèves C
50 – 60 6 6 35
60 – 70 15 21 29
70 – 80 7 28 14
80 – 90 7 35 7
TOTAL 35 / /

19
Solution

Eff

40 Ogive décroissante Ogive croissante

35

30

20

15

10

50 60 70 80 90 Poids

Exercice 1

Soit la distribution statistique suivante portant sur le nombre d’étudiants selon leurs poids (en
Kg)

poids Nombre d’étudiants

11 -15 2
16 – 20 5
21 – 25 16
26 – 30 15
31 – 35 10
36 – 40 2
Total 50
Question : construire l’histogramme et le polygone de fréquences de cette distribution.

20
Exercice 2

Soit la distribution suivante :

Couleurs rouge jaune noire marron rose

Effectif 16 10 7 12 25

Question : représenter graphiquement cette distribution en utilisant un diagramme en secteurs.

21