Thème : STATISTIQUES ET PROBABILITES.

CHAPITRE V.
INFORMATION CHIFFREE – STATISTIQUE DESCRIPTIVE

I. Information chiffrée.
1. Proportions.
2. Evolutions.

Méthode 1 : Savoir exploiter la relation entre effectifs, proportions et

pourcentages.
Méthode 2 : Savoir calculer une proportion de proportion.
Méthode 3 : Savoir exploiter un taux d’évolution.
Méthode 4 : Savoir calculer un taux d’évolution global.
Méthode 5 : Savoir calculer un taux d’évolution réciproque.

II. Statistiques descriptive.

1. Vocabulaire
2. Effectif.
3. Fréquence.
4. Représentations graphiques.
5. Paramètres d’une série statistiques.
a. Paramètres de position : Mode – Moyenne – Médiane - Quartiles.
b. Paramètres de dispersion : Etendue – Ecart type – Ecart interquartile.
6. Résumés statistiques.

Méthode 6 : Décrire verbalement les différences entre deux séries

statistiques, en s’appuyant sur des indicateurs ou sur des
représentations graphiques données.
I. Information chiffrée.

1. Proportion (fréquence).

Définition 1 :
 Une population est un ensemble d’individus ou d’éléments.
 Son nombre d’individus ou d’éléments est appelé effectif de la population.
 Une sous-population A d’une population E est une partie des individus de E.

Remarque : A est un sous-ensemble de E, c’est-à-dire que tout élément de A appartient aussi à E.

On dit que A est inclus dans E et on le note A ⊂ E

Définition 2 :
La proportion p d’une sous-population A par rapport à une population E est le quotient p = \f(nA;nE,
où nA est l’effectif de A et nE est l’effectif de E. C’est un nombre réel compris entre 0 et 1.

Remarque : Une proportion peut s’exprimer sous forme décimale, fractionnaire ou en pourcentage.

Définition 3 :
A est une sous-population d’une population E.
Le complémentaire de A dans E, noté A , est la sous-population de E dont les
individus n’appartiennent pas à A.

Propriété 1 :
Si on note p(A) et p( A ) les proportions respectives de A et de A dans E, alors : p( A ) + p(A) = 1.

Définitions 4 : A et B sont deux sous-populations d’une population E.

L’intersection des deux ensembles A et B, notée A ∩ B, est l’ensemble des

éléments appartenant à A et à B.

L’union des deux ensembles A et B, notée A ∪ B, est l’ensemble des

éléments appartenant à A ou à B.

Propriété 2 :
Soient p(A), p(B), p(A ∩ B) et p(A ∪ B) les proportions respectives de A, B, A ∩B et A ∪ B, alors :
p(A ∪ B) + p(A ∩ B) = p(A) + p(B).
Propriété3 :
A et B sont deux sous-populations d’une population E telles que A est incluse dans
B et B est incluse dans E.
Si p est la proportion de A dans B et p’ la proportion de B dans E, alors
la proportion de A dans E est le produit p p’.
Méthode 1 : Savoir exploiter la relation entre effectifs, proportions et pourcentages.
Exemple :
Dans un restaurant, parmi les 64 clients, 36 ont choisi une entrée à base de poisson, 37,5 % des
clients ont choisi un plat à base de poisson et 25% une entrée et un plat à base de poisson.
1. Calculer la proportion des clients du restaurant ayant choisi une entrée à base de poisson.
p= \f(36;64= 0,5625.
Donc il y a 56,25 % de clients ayant choisi une entrée à base de poisson.

2. Déterminer le nombre de clients ayant choisi un plat à base de poisson.

Nombre de clients ayant choisi un plat à base de poisson : 64 x \f(37,5;100= 24.

3. Déterminer la proportion des clients ayant choisi une entrée ou un plat à base de poisson.
On note E l’ensemble des clients ayant choisi une entrée à base de poisson et P l’ensemble des
clients ayant choisi un plat à base de poisson.
p(E ∪P) = p(E) + p(P) – p(E ∩P)
p(E ∪P) = 0,5625 + 0,375 – 0,25
p(E ∪P) = 0,6875.
Donc il y a 68,75 % de clients ayant choisi une entrée ou un plat à base de poisson.

4. Déterminer la proportion des clients n’ayant choisi ni entrée, ni plat à base de poisson.
p( E ∪ P ) = 1 –p (E ∪P)
p( E ∪ P ) = 1 – 0,6875
p( E ∪ P ) = 0,3125.
Donc il y a 31,25 % de clients n’ayant choisi ni une entrée ni un plat à base de poisson.

Méthode 2 : Savoir calculer une proportion de proportion.

Exemple :
Dans le top 10 des smart phones les plus vendus en 2018 sur le marché mondial, on ne trouve que deux
marques : A et S. La marque A détient 53% du marché parmi ce top 10 et son modèle i8+ représente
19,7% des smart phones de marque A vendus. Le modèle s9+ de la marque S représente 20% des
smart phones de même marque vendus.
1. Déterminer la part du modèle s9+ dans le top 10.
p(S) = 1 –p(P) = 1 –\f(53;100= 1 – 0,53 = 0,47.
La marque S représente donc 47 % des modèles dans le top 10.
Le modèle s9+ représente : 0,20 x 0,47 = 0,094.
Donc le modèle s9+ représente 9,4 % des modèles dans le top 10.

2. En 2018, le modèle i8+ est-il plus vendu que le modèle s9+ ?

Le modèle i8+ représente :
0,197 x 0,53 = 0,104 41, soit 10,441 % des modèles dans le top 10.
Donc le modèle i8+ est plus vendu que le modèle s9+.

2. Evolutions.
Lors d’une évolution, on appelle Vi la valeur initiale et Vf la valeur finale. Vi et Vf sont positives.
Définition 1 :
 La variation absolue de Vi à Vf est la différence Vf – Vi.
 La variation relative ou le taux d’évolution t de Vi à Vf est : t =\f(Vf – Vi;Vi.

Remarques :
Un taux d’évolution peut s’écrire sous différentes formes (fractionnaire, décimale ou en pourcentage).
Si t est écrit en pourcentage, alors t =\f(Vf – Vi;Vi x 100.
 Si t  0, alors il s’agit d’une augmentation et si t  0, alors on a une diminution de la grandeur.

Propriétés :
t désigne un nombre réel strictement supérieur à -1.
 Une évolution de taux t se traduit par la formule : Vf = (1 + t) x Vi.
 Le nombre C = 1 + t est appelé le coefficient multiplicateur de Vi à Vf.

Remarques :
Un coefficient multiplicateur n’a pas d’unité.
 Si C  1, alors l’évolution est une augmentation ou une hausse.
 Si C  1, alors l’évolution est une diminution ou une baisse.
 Si C = 1, alors l’évolution est stable.

Propriétés : Evolutions successives.

 Si une quantité subit deux évolutions successives de coefficients multiplicateurs C 1 et C2, alors
l’évolution globale admet pour coefficient multiplicateur global : CG = C1x C2.
 Le taux d’évolution global est le taux tG pour passer de la valeur initiale à la valeur finale :
tG = CG– 1.

Propriétés : Evolution réciproque.

 Si une évolution d’une valeur Vi à une valeur Vf a un coefficient multiplicateur égal à C, alors
1
l’évolution réciproque de Vf à Vi a un coefficient multiplicateur égal à Crec = C
1
 Le taux d’évolution réciproque est égal à : trec = Crec– 1 = – 1.
C

Méthode 3 : Savoir exploiter un taux d’évolution.

Exemple : Exercice du livre n°4 page 309.

1. Dans un lycée, le nombre d’élèves est passé de 390 élèves de seconde à la rentrée 2018 à 448 à
la rentrée 2019. Quel est le taux d’évolution ?
t = \f(Vf – Vi;Vi = \f(448–390;3900,148 7. Donc le taux d’évolution est d’environ 14,9 %.
2. Le prix d’un article a baissé de 5% par rapport à la semaine dernière. Il coûte maintenant 3,99€.
Quel était son prix avant la baisse ?
Vf
On sait que : Vi = = = = 4,2. Donc son prix avant la
C \f(5;100\f(3,99;1 – \f(3,99;0,95
baisse est de 4,20 €.
3. Le nombre de tickets vendus le mois dernier était de 1 500. Il a augmenté de 1%.
Combien de tickets ont-ils été vendus ce mois-ci ?
Vf = C x Vi = x 1 500 = 1,01 x 1 500 = 1 515. Donc 1 515 tickets ont été vendus.
Méthode 4 : Savoir calculer un taux d’évolution global.

Exemple : Déterminer le taux d’évolution global des évolutions successives suivantes :

1. Hausse de 14%, puis hausse de 25%.
Coefficient multiplicateur associé à la hausse de 14% : C1 = 1 + \f(14;100 = 1,14.
Coefficient multiplicateur associé à la hausse de 25% : C2 = 1 + \f(25;100 = 1,25.
Coefficient multiplicateur global : CG = C1 x C2 = 1,14 x 1,25 = 1,425.
Taux d’évolution global : tG = CG – 1 = 1,425 – 1 = 0,425.
Donc le taux global associé à une hausse de 14% et de 25% est une hausse de 42,5%.
2. Diminution de 15%, puis diminution de 30%.
Coefficient multiplicateur associé à la baisse de 15% : C1 = 1 –\f(15;100 = 0,85.
Coefficient multiplicateur associé à la baisse de 30% : C2 = 1 –\f(30;100 = 0,7.
Coefficient multiplicateur global : CG = C1 x C2 = 0,85 x 0,7 = 0,595.
Taux d’évolution global : tG = CG– 1 = 0,595 – 1 = –0,405.
Donc le taux global associé à une baisse de 15% puis de 30% est une baisse de 40,5%.

3. Baisse de 16% suivie d’une baisse de 8%, puis d’une hausse de 24%.
Coefficient multiplicateur associé à la baisse de 16% : C1 = 1 –\f(16;100 = 0,84.
Coefficient multiplicateur associé à la baisse de 30% : C2 = 1 –\f(8;100 = 0,92.
Coefficient multiplicateur associé à la hausse de 24% : C3 = 1 + \f(24;100 = 1,24.
Coefficient multiplicateur global : CG = C1 x C2 x C3 = 0,84 x 0,92 x 1,24  0,9583.
Taux d’évolution global : tG = CG– 1 = 0,9583 – 1 = – 0,041 7.
Donc le taux d’évolution global associé est une baisse de 4,17%.

Méthode 5 : Savoir calculer un taux d’évolution réciproque.

Exemple :
Déterminer le taux d’évolution réciproque arrondi à 0,1% près, des évolutions suivantes.
1. Hausse de 20%.
Coefficient multiplicateur associé à la hausse de 20% : C = 1 + \f(20;100 = 1,2.
1
Coefficient multiplicateur réciproque : Crec = = \f(1;1,2 0,8333.
C
Taux d’évolution réciproque : trec = Crec– 1 0,833 3 – 1  – 0,166 7.

Donc le taux d’évolution réciproque est une baisse d’environ 16,7%.

2. Baisse de 8%.
Coefficient multiplicateur associé à la baisse de 8% : C = 1 –\f(8;100 = 0,92.
1
Coefficient multiplicateur réciproque : Crec = = \f(1;0,92  1,087 .
C
Taux d’évolution réciproque : trec = Crec– 1  1,087 – 1  0,087.

Donc le taux d’évolution réciproque est une hausse d’environ 8,7%.

3. Augmentation de 12,5%.
Coefficient multiplicateur associé à l’augmentation de 12,5% : C = 1 + \f(12,5;100 = 1,125.
1
Coefficient multiplicateur réciproque : Crec = = \f(1;1,125  0,8889.
C
Taux d’évolution réciproque : trec = Crec – 1  0,8889 – 1  –0,1111.

Donc le taux d’évolution réciproque est une baisse d’environ 11,1%.

4. Diminution de 36%.
Coefficient multiplicateur associé à la diminution de 36% : CM= 1 – \f(36;100 = 0,64.
1
Coefficient multiplicateur réciproque : Crec = = \f(1;0,64  1,5625.
C
Taux d’évolution réciproque : trec = Crec – 1 = 1,5625 – 1 = 0,562 5.

Donc le taux d’évolution réciproque est une hausse d’environ 56,3%.

II. Statistiques descriptive.

1. Vocabulaire.

Définition 1 :
Une étude statistique commence par le recueil de données concernant un caractère (ou une variable)
sur les individus d’une population.
Le caractère étudié prend un certain nombre de valeurs, qui peuvent être numériques ou non.
Lorsque le caractère étudié prend des valeurs numériques (exemples : notes, tailles, âges, …), le
caractère est dit quantitatif :
 Si le caractère prend n’importe quelle valeur dans un intervalle donné, il est dit continu.
 Si le caractère prend des valeurs isolées, il est dit discret.
Dans le cas contraire, le caractère est dit qualitatif (nationalité, couleurs, …)

2. Effectif.

Tableau de données :
 Valeurs du caractère x1 x2 … xp
Effectif n1 n2 … np
Fréquence f1 f2 … fp

Définition 2 :
 Le nombre d’individus de la population chez lesquels on observe la valeur xid’un caractère est
l’effectif de cette valeur.
i= p
∑ ni
 L’effectif total N est le nombre d’individus de la population : N = n1+ n2+ . . . + np = i=1 .
 L’effectif cumulé croissant (respectivement décroissant) de xi est la somme des effectifs des
valeurs inférieures (respectivement supérieures) ou égales à xi.

3. Fréquence.

Définition 3 :
 La fréquence f d’une valeur du caractère est le quotient de l’effectif de cette valeur par
l’effectif total :
Fréquence de la valeur = \f(Effectif de la valeur;Effectif total ou fi = \f(ni;N.
 La fréquence cumulée croissante (respectivement décroissante) de xi est la somme des
fréquences des valeurs inférieures (respectivement supérieures) ou égales à xi.

Propriétés :
 La fréquence est un nombre compris entre 0 et 1.
 La somme des fréquences de toutes les valeurs d’un caractère est égale à 1.
 La distribution des fréquences d’une série statistique prenant un petit nombre de valeurs est
l’ensemble des fréquences de toutes les valeurs du caractère.
 La fréquence d’un événement est la somme des fréquences des valeurs du caractère pour
lesquelles l’événement est réalisé.

4. Représentations graphiques.

Définition 4 :
 Le nuage de points est l’ensemble des points placés dans un repère dont les abscisses sont les
valeurs du caractère et les ordonnées sont les effectifs (ou les fréquences) correspondant(e)s.
 La courbe ou le polygone des fréquences cumulées (dé)croissantes est obtenue en reliant par
un segment les points qui ont pour abscisses les valeurs du caractère étudié et comme ordonnée
les fréquences cumulées (dé)croissantes correspondantes.

Remarque :
Lorsque les données sont réparties en classes, l’abscisse des points de la courbe des FCC est la borne
supérieure de chaque classe.
Pour la courbe des FCD, c’est la borne inférieure.

Définition 4 (suite) :
 L’histogramme est réservé aux séries statistiques regroupées en classes par intervalles. Il est
constitué de rectangles dont les bases correspondent aux intervalles et dont les aires sont
proportionnelles aux effectifs ou aux fréquences des classes.

5. Paramètres d’une série statistique.

a. Paramètres de position.
Mode et classe modale.
Définition 5 :
Le mode est la valeur ayant le plus grand effectif. Il peut y avoir plusieurs modes.
Si les données sont regroupées par classe de même amplitude, on parle de classe modale.

Remarque : Il peut y avoir plusieurs modes ou classe modales.

Moyenne.
Définition 6 :La moyenne est le nombre, notée x , tel que x = \f(n1x1+ n2x2+ … + np xp;N = \f(1;N x .

Remarque : Si le caractère est quantitatif continu, c’est-à-dire si les valeurs sont regroupées en
classes, pour calculer la moyenne on choisit comme valeurs du caractère les centres
des classes et comme effectif l’effectif des classes.

Propriété :
On peut calculer la moyenne à partir de la distribution de fréquences :
i= p
x ∑ f i xi
= f1x1+ f2x2+ . . . + fpxp = i=1 .

Démonstration :
On sait que : x = \f(n1x1+ n2x2+ … + np xp;N = \f(n1;N x x1 + \f(n2;N x x2 + … + \f(np;N x xp =f1x x1 +
f2x x2 + … + fpx xp.

Propriété : Linéarité de la moyenne.

 Si toutes les valeurs d’une série sont multipliées par une même valeur a, alors la moyenne de
cette nouvelle série est aussi multipliée par a.
 Si l’on ajoute une même valeur b à toutes les valeurs d’une série, alors la moyenne de cette
nouvelle série est aussi augmentée de b.
On dit que la moyenne a une propriété de linéarité.

Médiane.

Définition 7 :
Les valeurs du caractère étant rangées par ordre croissant, la médiane, notée Me, est une valeur qui
partage la série en deux ensembles de valeurs de même effectif.

Méthode : Pour déterminer la médiane d’une série statistique de N valeurs.

 On range les valeurs de la série par ordre croissant ;
 Si l’effectif total N est impair, la médiane est alors la valeur de rang \f(N + 1;2 de la série
ordonnée.
 Si l’effectif total N est pair, la médiane est alors la moyenne des valeurs de rang \f(N;2 et \
f(N;2 + 1 de la série ordonnée.

Quartiles.

Définition 8 :
Le premier quartile (respectivement le troisième quartile) de la série, noté Q1 (respectivement, noté
Q3) est la plus petite valeur de la série telle qu’au moins 25% (respectivement 75%) des valeurs de la
série lui soient inférieures ou égales.

Méthode : Pour déterminer les quartiles d’une série statistique de N valeurs.

Les valeurs du caractère étant rangées par ordre croissant,
 Q1, est la valeur xi dont l’indice est le plus petit entier supérieur ou égal à \f(N;4.
 Q3, est la valeur xi dont l’indice est le plus petit entier supérieur ou égal à \f(3N;4.

b. Paramètres de dispersion.

Etendue.

Définition 9 :
L’étendue d’une série statistique est la différence entre la plus grande et la plus petite des valeurs
du caractère.

Ecart type.

Définition 10 :
La variance est le réel positif, noté V, défini par :
V = x;\s\up8(x;\s\up8(x;\s\up8(\f(n1 (x1– = x;\s\up8(\f(;N.
La variance est la moyenne des carrés des écarts entre la moyenne de la série et les valeurs de la
série.
L’écart type est le réel positif, noté , défini par :  = .
Propriété :
L’écart type mesure un écart moyen autour de la la moyenne d’une série statistique.
Ainsi, pour deux séries de même moyenne, celle dont l’écart type est le plus faible a ses données plus
homogènes (plus groupées autour de la moyenne).

Remarques :
 La variance est égale à la moyenne des carrés des écarts à la moyenne.
 L’écart type et la moyenne ont la même unité.

Ecart interquartile.

Définition 11 :
L’écart interquartile est la différence Q3 – Q1.
L’écart interquartile est moins sensible que l’étendue aux valeurs extrêmes.

6. Résumés statistiques.

a. Couple moyenne, écart type : ( x ; ) .

Le couple ( x ;) permet de résumer une série.
Il a l’avantage d’utiliser toutes les valeurs de la série, en ce sens il est représentatif de la série.
Il a l’inconvénient d’être « sensible » aux valeurs extrêmes.

b. Couple médiane, écart interquartile : ( Méd ; I).

Le couple (Méd ; I) permet de résumer une série.
Il a l’avantage de posséder une représentation graphique (diagramme en boîte).
Il a l’avantage aussi de ne pas être « sensible » aux valeurs extrêmes.

Exemple :
On donne la série suivante :
Valeur 10 11 12 13 14 1 16 17 18
5
Effecti 2 3 2 2 4 3 2 1 2
f

Moyenne : x;\s\up8(= \f(2  10+ 3  11+ … + 2  18;21 = \f(289;21 13,76.

Q1 = 12. Me = 14. Q3 = 15. I = 3.
Variance : V = \f(4 097;21–\f(289;21. Ecart type : = 2,39.
 Couple (x;\s\up8( ; ) Couple (Méd ; I)

Choisir ce couple, c’est prendre en compte toutes Choisir ce couple, c’est partager la série en sous-
les valeurs. Plus l’écart type est petit, plus les groupes de 25%. Plus l’écart interquartile est
valeurs de la série sont « resserrées » autour de faible, plus les valeurs de la série sont
la moyenne. « resserrées » autour de la médiane.

Méthode 6 : Décrire verbalement les différences entre deux séries statistiques, en

s’appuyant sur des indicateurs ou sur des représentations graphiques données.
Exemple 1 : (Exercice n°41 p 319 du livre)
On considère les séries S1 et S2 suivantes :
S1 : 90 – 100 – 100 – 110. S2 : 95 – 95 – 105 – 105.
1. Calculer la moyenne de la série 1 puis celle de la série 2.
Peut-on les différencier 0 l’aide de cet indicateur ?
2.a. Quelle semble être la série la plus dispersée ?
2.b. Calculer l’écart type de la série 1 puis celui de la série 2. Comparer les deux séries.

1. Calculer la moyenne de la série 1 puis celle de la série 2.

Peut-on les différencier 0 l’aide de cet indicateur ?
Moyenne : x1;\s\up8(= \f(90 + 2  100+ 110;4 = \f(400;4 = 100.
x2;\s\up8(= \f(2  95 + 2  105;4 = \f(400;4 = 100.
Non, on ne peut pas différencier les deux séries.

2.a. Quelle semble être la série la plus dispersée ?

La série 1 semble plus dispersée.

2.b. Calculer l’écart type de la série 1 puis celui de la série 2. Comparer les deux séries.
Ecart type : 1 7,07.
2 5.
Donc la série 2 est plus homogène que la série 1. La série 1 est plus dispersée.
Exemple 2 :
On considère les séries S1 et S2 suivantes :

Comparer les deux séries.

Si le graphique est « en cloche », on peut évaluer graphiquement la valeur de la moyenne ; elle est
alors proche des valeurs associées aux effectifs les plus élevés.
On peut comparer les écarts types de deux séries en observant si les valeurs sont rapprochées de la
moyenne ou au contraire dispersées.

Ici, la moyenne des deux séries est proche de 20.

L’écart type de la série 1 est plus faible : les données sont plus rassemblées autour de la moyenne que
pour la série 2.
Donc la série 1 est plus homogène que la série 2. La série 2 est plus dispersée.