Chapitre 4 : Les résumés numériques

LES résumés numériques sont appliquées au variable quantitative

N’ZI STEPHANE
E n s e i gna nt c h e rc heur
ENSEA ABIDJAN
Plan du chapitre 2
❑ Les caractéristiques de tendance centrale (ou de position)

❑ Les caractéristiques de dispersion

❑Les caractéristiques de forme

❑Les caractéristiques de concentration

Introduction
❖ Les caractéristiques (ou résumés) numériques ici servent à synthétiser la série étudiée au
moyen d'un petit nombre de valeurs

❖Ces résumés doivent vérifier les conditions de Yule

Introduction
❖ 1- Être défini de façon objective : 2 personnes différentes doivent aboutir au même résultat

❖2- Dépendre de toutes les observations :Si on fait varier des observations, la caractéristique
retenue doit refléter cette variation

❖3- Avoir une signification concrète :On pourra par exemple choisir la caractéristique qui
coïncide avec l'une des valeurs de possibles de la série
Introduction
❖4 Être simple à calculer

❖5 Se prêter aisément aux calculs algébriques

❖6 Être peu sensible aux fluctuations d'échantillonnage : surtout lorsque la population étudiée
est connue par échantillonnage, donc susceptible d'erreurs, il faut veiller à retenir les
caractéristiques qui sont peu sensibles à ces fluctuations
Introduction
❖ Types de résumés numériques:
❖Les caractéristiques de tendance centrale (ou de position)

❖ Les caractéristiques de dispersion

❖ Les caractéristiques de forme

❖ Les caractéristiques de concentration

Les caractéristiques de tendance centrale
(ou de position):
❖Ils permettent de fournir un ordre de grandeur de la série étudiée:
❖On distingue:
❖Le mode
❖La médiane
❖La moyenne
Les caractéristiques de tendance centrale
(ou de position): Le mode
❖ Le mode MO représente la valeur correspondant à l’effectif le plus élevé

❖ Possibilité d’avoir plusieurs modes: Distribution multi modale

❖ Pour le cas d’une variable quantitative continue, le mode est appelée « classe modale »
 Les caractéristiques de tendance centrale
(ou de position): Le mode
❖ Pour déterminer le mode à partir de la classe modale, la formule suivante peut être utilisée:
𝑑1
𝑀𝑜 = 𝐿𝑀𝑜+ 𝑎 ∗
𝑑1 +𝑑2

❖ LMo : Limite inférieure de la classe modale

❖d1 : Différence entre l’effectif de la classe modale et l’effectif de la classe précédente

❖d2 : Différence entre l’effectif de la classe modale et l’effectif de la classe suivante

❖a : Amplitude de la classe modale

Les caractéristiques de tendance centrale
(ou de position): La médiane
❖ Le médiane Me est la valeur de la variable telle qu'il y ait autant d'observations, en dessous
d'elle qu'au dessus

❖ C'est une valeur déterminée pour les grandeurs quantitatives

❖Pour la déterminer, il faut d'abord ranger les observations de la série

Les caractéristiques de tendance centrale
(ou de position): La médiane
1
❖ Le médiane Me vérifie la relation suivante: 𝐹 𝑀𝑒 = 2
Les caractéristiques de tendance centrale
(ou de position): La médiane
❖ Pour les variables quantitatives discrètes:

𝑋𝑛+1
❖ Si n impair : 𝑀𝑒 =
2

𝑋𝑘 +𝑋𝑘+1
❖Si n pair : 𝑀𝑒 = 2
avec n=2k
Les caractéristiques de tendance centrale
(ou de position): La médiane
❖ Pour les variables quantitatives continue:

❖ Identifier la classe médiane ou intervalle médian

❖ La médiane est obtenue par interpolation linéaire

1
𝑀𝑒 −𝑋𝑗−1 −𝐹(𝑋𝑗−1 )
2
=
𝑋𝑗 −𝑋𝑗−1 𝐹(𝑋𝑗 )−𝐹(𝑋𝑗−1 )
Les caractéristiques de tendance centrale
(ou de position): Le quantile
❖ Le quantile d'ordre p est donné par l'inverse de la fonction de répartition :

❖𝑥𝑝 = 𝐹 −1 (𝑝)

❖ Les quantiles classiques sont:

❖ Quartiles: 𝑄1 = 𝑥0,25 , 𝑄2 = 𝑥0,5 , 𝑄3 = 𝑥0,75

❖Déciles: 𝐷1 = 𝑥0,1 , 𝐷2 = 𝑥0,2 , … , 𝐷9 = 𝑥0,9

❖Centiles: 𝐶1 = 𝑥0,01 , 𝐶2 = 𝑥0,02 , … , 𝐶99 = 𝑥0,99

Les caractéristiques de tendance centrale
(ou de position): La moyenne
❖Différents types de moyenne:
❖ Moyenne arithmétique

❖ Moyenne géométrique

❖ Moyenne harmonique

❖ Moyenne quadratique
Les caractéristiques de tendance centrale (ou
de position): La moyenne arithmétique
❖ C'est le rapport de la somme des valeurs prises par la variable au nombre d'observations

1
❖𝑋ҧ = σ𝑛𝑖=1 𝑥𝑖
𝑛

1
❖𝑋ҧ = σ𝑘𝑗=1 𝑛𝑗 𝑥𝑗
𝑛
Les caractéristiques de tendance centrale (ou
de position): La moyenne arithmétique
❖ Pour une variable quantitative continue regroupée en classes:

1
❖𝑋ҧ = σ𝑘𝑗=1 𝑛𝑗 𝐶𝑗
𝑛

❖𝑋ത = σ𝑘𝑗=1 𝑓𝑗 𝐶𝑗
Les caractéristiques de tendance centrale (ou
de position): La moyenne géométrique
❖ 𝐺 = (ς𝑛𝑖=1 𝑥𝑖 )1/𝑛

❖𝐺 = (ς𝑘𝑗=1 𝑥𝑗 𝑛𝑗 )1/𝑛

❖ Utilisée pour calculer la moyenne de taux (par exemple taux d’intérêt)

Les caractéristiques de tendance centrale (ou
de position): La moyenne harmonique
𝑛
❖𝐻 = 1
σ𝑛
𝑖=1 𝑥𝑖

𝑛
❖𝐻 = 𝑛𝑗
σ𝑘
𝑗=1 𝑥𝑗

❖Utilisée pour la moyenne des vitesses

Les caractéristiques de tendance centrale (ou
de position): La moyenne quadratique
1
𝑄= ( σ𝑘𝑖=1 𝑛𝑖 𝑋𝑖2 )
𝑛

❖Relation entre les moyennes: H < G < 𝑋ത < Q

Les caractéristiques de dispersion
❖Elles servent à apprécier la variabilité de la série et l’écart entre les observations et les tendances
centrales

❖ On peut distinguer
❖L’étendue
❖L’intervalle interquartile
❖Écart absolu moyen par rapport à la médiane
❖Écart absolu moyen par rapport à la moyenne
❖ La variance et l’écart type
❖Le coefficient de variation
Les caractéristiques de dispersion:
L’étendue
❖C'est la différence entre la plus grande et la plus petite valeur de la variable

❖ Elle ne donne pas de précision sur la répartition des individus de la population

❖Elle indique le domaine de variation de la variable statistique

❖𝑊 = 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛
Les caractéristiques de dispersion:
L’intervalle interquartile
❖C'est la différence entre le 3e quartile et le 1er quartile

❖𝐼𝑄 = 𝑄3 − 𝑄1
Les caractéristiques de dispersion: Écart
absolu moyen par rapport à la médiane
❖C'est la moyenne des écarts absolus à la médiane
1
❖𝐸𝑀𝑒 = σ𝑘𝑗=1 𝑛𝑗 |𝑋𝑖 − 𝑀𝑒 |
𝑛

❖𝐸𝑀𝑒 = σ𝑘𝑗=1 𝑓𝑗 |𝑋𝑖 − 𝑀𝑒 |

 Les caractéristiques de dispersion: Écart
absolu moyen par rapport à la moyenne
❖C'est la moyenne des écarts absolus à la moyenne
1
❖𝐸𝑋ത = σ𝑘𝑗=1 𝑛𝑗 |𝑋𝑖 − 𝑋|
ത
𝑛

❖𝐸𝑋ത = σ𝑘𝑗=1 𝑓𝑗 |𝑋𝑖 − 𝑋ത |

Les caractéristiques de dispersion:
Variance et écart type
Variance:
1
𝑉(𝑋) = σ𝑘𝑗=1 𝑛𝑗 (𝑥𝑖 − 𝑋)
ത 2
𝑛

1
𝑉(𝑋) = σ𝑘𝑗=1 𝑛𝑗 𝑥𝑗 2 − 𝑋ത 2
𝑛
Les caractéristiques de dispersion:
Variance et écart type
❖Ecart type

❖𝜎 = 𝑉(𝑋)

❖L'écart-type représente la distance moyenne des observations à leur moyenne

❖Plus la série sera dispersée, plus grand sera l'écart-type

Les caractéristiques de dispersion:
Coefficient de variation
❖C'est le rapport entre l'écart-type et la moyenne
𝜎
❖𝐶𝑉 =
𝑋ത

❖Il est sans dimension et sert à comparer la dispersion de deux ou plusieurs séries
d'observations

❖Plus dispersée sera la série, plus grand sera le coefficient de variation

La boite à moustache
❖Présenter la distribution d’une variable:
❖Les différents quartiles
❖Autres informations
Les caractéristiques de forme: Moments
❑Moment d’ordre r par rapport à la valeur a:
1
❑𝑚𝑟 (𝑎) = σ𝑛𝑖=1(𝑥𝑖 − 𝑎)𝑟
𝑛

❑Moment à l’origine d’ordre r:

1
❑𝑚𝑟 (0) = σ𝑛𝑖=1 𝑥𝑖 𝑟
𝑛
 Les caractéristiques de forme: Moments
❑Moment centré d’ordre r:
1
❑𝑚𝑟 (𝑥)ҧ = 𝑛 σ𝑛𝑖=1(𝑥𝑖 − 𝑥)ҧ 𝑟
Les caractéristiques de forme: Coefficient
d’asymétrie (skewness)
❑Il montre le degré de symétrie d'une distribution
❑ Deux coefficients d’asymétrie seront présentés
❑ Coefficient d’asymétrie de Fisher
❑Coefficient d’asymétrie de Yule
Les caractéristiques de forme: Coefficient
d’asymétrie (skewness)
❑Coefficient d’asymétrie de Fisher
𝑚3
❑𝛾1 =
𝜎3

❑𝑚3 est le moment centré d’ordre 3

❑𝜎 est l’écart type
Les caractéristiques de forme: Coefficient
d’asymétrie (skewness)
❑Distribution oblique vers la gauche (étalement à droite) : 𝛾1 > 0
❑Distribution symétrique : 𝛾1 < 0
❑Distribution oblique vers la droite (étalement à gauche) : 𝛾1 < 0
Les caractéristiques de forme: Coefficient
d’asymétrie (skewness)
❑Coefficient d’asymétrie de Yule
❑Il sert à mesurer l'asymétrie de la distribution en tenant compte des positions relatives des
quartiles par rapport à la médiane
𝑄3 −𝑀𝑒 + 𝑄1 −𝑀𝑒
❑𝑑 =
𝑄3 −𝑄1
Les caractéristiques de forme: Coefficient
d’asymétrie (skewness)
❑Distribution oblique vers la gauche : d > 0
❑Distribution symétrique : d = 0
❑Distribution oblique vers la droite : d < 0
Les caractéristiques de forme: Coefficient
d’asymétrie (skewness)
❑On peut utiliser aussi la comparaison entre mode, moyenne et médiane pour évaluer la
distribution
❑Distribution étalée vers la droite : Mo < Me < 𝑋ത
❑Distribution étalée vers la gauche : 𝑋ത < Me < Mo
❑Distribution symétrique : 𝑋ത = Me = Mo
Les caractéristiques de forme: Coefficient
d’aplatissement (kurtosis)
❑On considère qu'une courbe des fréquences est plus ou moins aplatie en référence à la courbe
des fréquences de la loi normale
❑ Deux coefficients d’aplatissement seront présentés
❑ Coefficient d’asymétrie de Pearson
❑Coefficient d’asymétrie de Fisher
Les caractéristiques de forme: Coefficient
d’aplatissement (kurtosis)
❑Coefficient d’asymétrie de Pearson
𝑚4
❑𝛽2 =
𝜎4

❑ 𝑚4 est le moment centré d’ordre 4

❑𝜎 est l’écart type
Les caractéristiques de forme: Coefficient
d’aplatissement (kurtosis)
❑Coefficient d’asymétrie de Pearson
Les caractéristiques de forme: Coefficient
d’aplatissement (kurtosis)
❑Coefficient d’asymétrie de Fisher
𝑚4
❑𝛾2 = −3
𝜎4

❑ 𝑚4 est le moment centré d’ordre 4

❑𝜎 est l’écart type
Les caractéristiques de forme: Coefficient
d’aplatissement (kurtosis)
❑Coefficient d’asymétrie de Fisher
Les caractéristiques de concentration
❑Elles servent à mesurer les inégalités dans la distribution d’une variable
❑ 3 outils seront présentés:
❑ La médiale
❑ La courbe de Lorentz
❑ l’Indice de Gini
Les caractéristiques de concentration
Variable Effectif Fréquence Fréquence masse Masse Masse relative
cumulée relative cumulée

x1 n1 f1 F1 n1*x1 n1∗x1 n1∗x1

𝐶 𝐶
x2 n2 f2 F2 n2*x2 n2∗x2 n1∗x1 n1∗x1
+ 𝐶
𝐶 𝐶

. . . . . . .

Xk-1 nk-1 fk-1 Fk-1 nk-1*xk-1 nk−1∗xk−1 n1∗x1 n x

𝐶
+ 2∗𝐶 2 +
𝐶 nk−1∗xk−1
…+ 𝐶
xk nk fk 1 nk*xk nk∗xk 1
𝐶
Total n 1 C 1
Les caractéristiques de concentration: La
médiale
❑C'est la valeur qui partage la série (𝑥𝑖 ; 𝑛𝑖 ∗ 𝑥𝑖 ) en deux sous-ensembles égaux
❑Cas discret : C'est la plus petite valeur du caractère dont la masse cumulée croissante est
inférieure ou égale à 50
❑Cas continu : Procéder graphiquement à l'aide de la courbe cumulative croissante des masses
1
𝑀𝑙 −𝑋𝑗−1 −𝐹(𝑛𝑗−1 𝑋𝑗−1 )
❑ Par interpolation linéaire : = 2
𝑋𝑗 −𝑋𝑗−1 𝐹(𝑛𝑗 𝑋𝑗 )−𝐹(𝑛𝑗−1 𝑋𝑗−1 )
Les caractéristiques de concentration: La
médiale
❑Indicateur découlant de la médiale:
𝑀𝑙 −𝑀𝑒
❑∆𝑀 =
𝐸

❑𝑀𝑙 : Médiale
❑𝑀𝑒 : Médiane
❑E: Étendue
Les caractéristiques de concentration: La
médiale
❑∆M grand : Concentration forte (Fortes inégalités)
❑∆M petit: Concentration faible (Faibles inégalités)
❑∆M = 0 : Égalité parfaite ou équi-répartition
Les caractéristiques de concentration:
Courbe de concentration ou de Lorentz
❑Elle représente la courbe de coordonnées (𝑖/𝑛; (𝑛𝑖 ∗ 𝑥𝑖 )/ σ𝑛𝑖=1(𝑛𝑖 ∗ 𝑥𝑖 ))

❑Plus la courbe s'éloigne de la première bissectrice, plus la concentration est forte

Les caractéristiques de concentration:
Indice de Gini
❑Cet indice est le double de l'aire comprise entre la courbe de concentration et la première
bissectrice

❑𝐼𝐺 = 1 − σ𝑘𝑖=1 𝛽𝑖−1 + 𝛽𝑖 ∗ 𝑓𝑖

𝑛𝑖 ∗𝑥𝑖
❑𝛽𝑖 = σ𝑖𝑗=1 σ𝑘
𝑖=1 𝑛𝑖 ∗𝑥𝑖

❑Il varie entre 0 et 1

Les caractéristiques de concentration:
Indice de Gini
❑Il varie entre 0 et 1

❑0: Répartition égalitaire parfaite

❑1: Répartition inégalitaire parfaite