See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/357063927

TP et TD en Statistiques Descriptives

Book · December 2021

CITATIONS READS

0 1,362

1 author:

Kamel Tahri
Abou Bakr Belkaid University of Tlemcen
33 PUBLICATIONS 48 CITATIONS

SEE PROFILE

All content following this page was uploaded by Kamel Tahri on 15 December 2021.

The user has requested enhancement of the downloaded file.

 A
50%

AB
B 12.5%
25%
O
12.5%

Tp et Td en Statistique
Descriptive
(Plus de 150 exercices corrigés)

Licence Mathématique

ni

xi

AUTEUR : TAHRI KAMEL

ANNÉE : 2020-2021
 A
50%

AB
TABLE DES MATIÈRES
B 12.5%
25%
O
12.5%

1 Statistique Descriptive de Dimension Un 5

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Quelques Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Séries Statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Séries Statistiques dans le Cas d’un Caractère Quantitatif Discontinu . 7
1.3.2 Séries Statistiques dans le Cas d’un Caractère Quantitatif Continu . . . 7
1.3.3 Séries Statistiques dans le Cas d’un Caractère Qualitatif . . . . . . . . . 8
1.4 Caractère Discret . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Caractère Continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.1 Paramètres de Position . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6.2 Paramètres de Dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6.3 Diagramme en Boîte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.7 Exercices avec Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.8 Exercices sans Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83

2 ni
Statistique Descriptive à Deux Dimensions 133
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
2.2 Série Statistique Bi-variée Définitions . . . . . . . . . . . . . . . . . . . . . . . . 133
2.3 Deux Variables Quantitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
2.3.1 Représentation graphique de deux variables . . . . . . . . . . . . . . . 133
2.3.2 Analyse des Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2.3.3 Covariance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
2.3.4 Corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . .xi. . . . . . . 136
2.3.5 Droite de Régression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
2.3.6 Résidus et Valeurs Ajustées . . . . . . . . . . . . . . . . . . . . . . . . . 140
2.3.7 Sommes de Carrés et Variances . . . . . . . . . . . . . . . . . . . . . . . 141
2.3.8 Décomposition de la Variance . . . . . . . . . . . . . . . . . . . . . . . . 143
2.3.9 Deux Variables Qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . 145
2.3.9.1 Données Observées . . . . . . . . . . . . . . . . . . . . . . . . 145
2.3.9.2 Tableau de Contingence . . . . . . . . . . . . . . . . . . . . . . 145

2
 TABLE DES MATIÈRES

2.3.9.3 Tableau des fréquences . . . . . . . . . . . . . . . . . . . . . . 146

2.3.9.4 Profils Lignes et Profils Colonnes . . . . . . . . . . . . . . . . 147
2.3.9.5 Effectifs Théoriques et Khi-Carré . . . . . . . . . . . . . . . . 148
2.4 Exercices avec Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
2.5 A sans Solutions . . . . . . . . . . . . . . .
Exercices . . . . . . . . . . . . . . . . 178
50%
Des Sujets Proposés 181
AB
Bibliographie
B 12.5% 209
25%
O
12.5%

ni

xi

Page 3/209 2020 / 2021

 A
50%

AB
INTRODUCTION GÉNÉRALE
B 12.5%
25%
O
12.5%
L’origine du mot "Statistique" remonte au latin classique "Status" qui, par une série
d’évolutions successives, aboutit au français "Statistique", attesté pour la première fois en
1771. C’est vers la même époque que le mot "Statistik" apparait en allemand, alors que les
anglophones utilisaient l’expression "Politicalarithmettic" jusqu’en 1798, date à laquelle le
mot "Statistics" fait son entrée dans cette langue. Brièvement le mot "Statistique" dont le
nom est dérivé de "State" en référence à tout ce qui est étatique. A l’origine, cette discipline
concerne donc les affaires de l’État.

La statistique est une branche des mathématiques qui s’intéresse à l’étude des phéno-
mènes aléatoires, en contre opposé aux mathématiques déterministes plus familières aux
étudiant(e)s, que sont le calcul différentiel, calcul intégral, géométrie, algèbre,... Nous dé-
finissons la statistique comme un ensemble des techniques d’interprétation mathématique
appliquées à des phénomènes pour lesquels une étude exhaustive de tous les facteurs est
impossible à cause de leur grand nombre ou de leur complexité.

De nos jours, on ne peut trouver un domaine qui peut être compris, analysé sans les mé-
thodes statistiques. Que ce soit dans le domaine des sciences sociales, sciences de la vie
ou sciences de l’ingénieur, les méthodes statistiques sont omniprésentes pour mettre de
l’ordre dans le protocole
ni de travail, elles permettent quand on est devant un chaos appa-
rent des données, de déterminer par où commencer et quelles sont les étapes à suivre selon
le contexte pour analyser ces données.

Ce manuscrit est destiné aux étudiants de Mathématiques, Physiques, Chimie, Biologie,

Économie et pour les ingénieurs. Il est considéré comme étant un outil indispensable pour le
déroulement de leurs études et recherche. Ce cours se présente sous forme de deux parties :
(i). Dans la première partie, on rappelle des notions générales de la statistique descriptive
xi
à une dimension, et on donne une grande série d’exercices avec solutions et d’autres
sans solutions pour couvrir les lacunes des étudiants.
(ii). Dans la deuxième partie, on rappelle des notions importantes de la statistique descrip-
tive à deux dimensions, et après on donne une grande série d’exercices avec solutions
et sans solution pour tester les compétences des étudiants.
Je tiens à remercier mon Professeur Mohammed Benalili et mes amis enseignants pour
leurs remarques et corrections apportées à la réalisation de ce manuscrit.
Docteur Kamel TAHRI

4
 A
50%
CHAPITRE 1
AB
B 12.5%
STATISTIQUE DESCRIPTIVE DE DIMENSION UN
25%
O
12.5%

1.1 Introduction
L’analyse des données est utilisée pour décrire des phénomènes, faire des prévisions et
enfin prendre des décisions. Pour cela la statistique descriptive est un sujet très important
dans les situations de comprendre et gérer les phénomènes complexes.

1.2 Quelques Définitions

Définition 1 : Population et Échantillons

Lorsqu’on veut étudier les données relatives aux caractéristiques d’un ensemble d’in-
dividus ou d’objets (exp : nombre d’enfants de sexe féminin dans une famille de n
enfants, taille des étudiants de l’université, poids de nouveau nés etc.) il est difficile
d’observer toutes les données lorsque leur nombre est élevé.
ni l’ensemble qu’on appelle population, on examine un nombre res-
Au lieu d’examiner
treint qu’on appelle échantillon.
Pour être représentatif, l’échantillon doit-être pris au hasard. Une population peut-
être finie ou infinie. Elle est finie, si elle comporte un nombre déterminé d’individus
ou d’objets par exemple : population d’une ville à un instant donné. Elle est infinie si
elle comporte un nombre infini d’individus ou d’objets par exemple dans le cas où la
population est infinie : ensembles des résultats (face et pile) lors de parties successives
de pile ou face avec une même pièce de monnaie. xi

Définition 2 : Description d’un Échantillon

On appellera individu chaque élément de la population. Chaque individu peut être

étudié relativement à un ou plusieurs caractères.
L’ensemble des données numériques relatives à ces caractères constitue une série sta-
tistique ou distribution statistique. Un caractère peut présenter plusieurs modalités.

5
CHAPITRE 1. STATISTIQUE DESCRIPTIVE DE DIMENSION UN

Exemple 1 :

Le caractère couleur des yeux a les modalités suivantes : yeux noirs, brins, verts, gris,
... etc. On distingue plusieurs types de caractères.
i) couleur A
d’un certain type de fleur,
50%
ii) nombre de petits d’une portée de tel mammifère,
iii) poids ou taille de AB
nouveau-nés.
B
Ces quelques exemples12.5%
nous montrent la diversité de nature des caractères dont nous
25%
donnerons ici uneO classification sommaire.
12.5%

Définition 3 : Caractère Quantitatif

Un caractère est quantitatif, si ses diverses modalités sont mesurables c’est à dire, s’il
est possible de faire correspondre un nombre à chaque modalité (poids, nombre d’en-
fants d’une famille, ...). Ce nombre qui varie d’une modalité à l’autre est appelé variable
statistique.

Définition 4 : Caractère Quantitatif Discontinu

Un caractère quantitatif est discontinu s’il ne peut prendre que des valeurs isolées,
appartenant à un certain intervalle, on dit aussi qu’il est discret.

Exemple 2 :

Nombre d’enfants dans une famille.

Définition 5 : Caractère Quantitatif Continu

ni
Un caractère quantitatif est continu s’il peut pendre toute valeur appartenant à un
intervalle de variation ou encore lorsque les valeurs possibles de ce caractère sont des
nombres réels.

Exemple 3 :

Taille de nouveau-nés d’une population donnée.

xi
Définition 6 : Caractère Qualitatif

Un caractère est quantitatif si ses diverses modalités ne sont pas mesurables.

Exemple 4 :

Sexe, profession, couleurs des yeux, ...

Page 6/209 2020 / 2021

 1.3. SÉRIES STATISTIQUES

1.3 Séries Statistiques

1.3.1 Séries Statistiques dans le Cas d’un Caractère Quantitatif Discontinu

ConsidéronsAun échantillon de taille n, c’est à dire composé de n éléments que nous
50%
supposerons numérotés de 1 à n. Appelons x la valeur du caractère sur lequel porte l’étude,
et soient X1 , X2 , · · · , Xn les valeurs de ce caractère pour les éléments 1, 2, · · · , n de la série.
L’étendue de la série est l’écart AB qui sépare la plus grande et la plus petite valeur du caractère.
B 12.5%
25% 7 :
Définition O
12.5%
L’effectif total de la série est le nombre n d’éléments constituant l’échantillon étudié.
Lorsque la valeur Xi du caractère se rencontre un nombre ni de fois dans la série sta-
tistique, on dit que ni est la répétition de xi ou l’effectif partiel relatif à xi ou encore la
fréquence absolue de xi .
ni
La quantité fi = , rapport de la fréquence absolue de xi à l’effectif total est la fré-
n
quence relative de xi .
Il est clair que la somme des fréquences relatives est égale à l’unité.

Exemple 5 :

Répartition de 150 grenouilles suivant le nombre de vers trématodes (parasites)

qu’elles hébergent.

Nombre de Trématodes
0 1 2 3 4 5 6
par grenouille
Nombre de grenouille
11 22 45 40 19 11 2
correspondantes
Fréquence relative 0.07 0.14 0.30 0.26 0.12 0.07 0.01
ni

1.3.2 Séries Statistiques dans le Cas d’un Caractère Quantitatif Continu

Dans le cas d’un caractère continu, le nombre de valeurs distinctes est en principe infini.
Pour éviter une répartition de fréquences trop dispersée, pour permettre une étude com-
mode, on constitue des classes en divisant l’étendue de la série en un certain nombre d’in-
xi
tervalles partiels, chacune des classes groupant ensemble, les mesures relatives à un même
intervalle.
Définir une classe revient donc à fixer ses limites, ou ce qui est équivalent à fixer le centre de
classe et l’étendue de la classe qui est l’écart entre les deux limites. Les classes sont contiguës
et ne se chevauchent pas.
Chaque classe contiendra toutes les valeurs égales ou supérieures à sa limite inférieure mais
strictement inférieures à sa limite supérieure. En général, les classes sont d’étendue égale,
mais ceci n’a rien d’impératif. On peut avoir une répartition en classes d’étendue inégale,

Page 7/209 2020 / 2021

 CHAPITRE 1. STATISTIQUE DESCRIPTIVE DE DIMENSION UN

lorsqu’on s’impose un effectif minimum par classe.

Exemple 6 :

Poids de nouveau-nés : Les poids d’échelonnent entre 2, 240 Kg et 4, 490 kg. Voir ta-
A
bleau suivant
50%:

Centre
LimitesABde la Fréquence
Classe de Effectif Pourcentage
B classe12.5%
(Kg) relative
classe
25%
1 O2.2-2.5 2.350 5 0.031 3.1
12.5%
2 2.5-2.8 2.650 11 0.068 6.8
3 2.8-3.1 2.950 24 0.148 14.8
4 3.1-3.4 3.230 40 0.248 24.8
5 3.4-3.7 3.550 42 0.259 25.9
6 3.7-4.0 3.850 20 0.124 12.4
7 4.0-4.3 4.150 13 0.080 8.0
8 4.3-4.6 4.450 6 0.037 3.7
total 161 1 100

1.3.3 Séries Statistiques dans le Cas d’un Caractère Qualitatif

Pour représenter les résultats d’une enquête relative à un caractère qualitatif. On groupe
les résultats en un nombre de classes égal au nombre de modalités du caractère étudié.
ni
A chaque classe est associé son effectif ni ou fréquence absolue, ainsi que sa fréquence rela-
tive :
ni
fi =
n
Exemple 7 :

L’analyse du sang de 100 individus à donné les résultats suivants

xi
Groupe Fréquence Fréquence Pourcentage
sanguin absolue relative %
O 40 0.40 40
A 43 0.43 43
B 12 0.12 12
AB 5 0.05 5

Page 8/209 2020 / 2021

 1.4. CARACTÈRE DISCRET

1.4 Caractère Discret

Définition 8 : Diagramme en Bâtons

A
50% de bâtons ayant pour abscisses les valeurs x1 , x2 , · · · , xn du caractère
C’est un ensemble
et en chacun des points d’abscisses xi une ordonnée proportionnelle à l’effectif ni de
xi .
AB
B 12.5%
25%8 :
Exemple O
12.5%
Dans le cas de l’exemple des Trématodes, on obtient le diagramme en bâtons suivant

ni

45
40

22
19
11

2 xi
0 1 2 3 4 5 6
- diagramme en bâtons
F IGURE 1.1 –
- polygone des fréquences

Définition 9 : Polygone
ni des Fréquences

On l’obtient en joignant par des segments de droite les extrémités des bâtons. C’est
un graphe linéaire passant par les points ayant pour abscisse x le centre de classe ou
valeur du caractère étudié et pour ordonnée y l’effectif de classe ou du caractère.

Définition 10 : Diagramme Cumulatif

xi
On appelle effectif cumulatif jusqu’à la ième valeur xi du caractère la somme

n1 + n2 + · · · + ni

des effectifs obtenus pour les i premières valeurs du caractère, de même, la fréquence
relative cumulée jusqu’à la ième valeur xi est par définition la somme

f1 + f2 + · · · + fi

Page 9/209 2020 / 2021

View publication stats