CH2 – Caractéristiques de

tendance centrale
Pr. Mohamed REGHIOUI
m.reghioui@gmail.com
 Contenu du Cours
• Chapitre 0 : Intérêts des Statistiques en
Marketing, Finance et Gestion
• Chapitre 1 : Graphiques
• Chapitre 2 : Caractéristiques de position
• Chapitre 3 : Caractéristiques de dispersion
• Chapitre 4 : Caractéristiques de concentration
• Chapitre 5 : Caractéristiques de forme
• Chapitre 6 : Indices statistiques
 Plan du chapitre

• Mode
• Distance
• Médiane
• Moyenne
 Mode

• Le mode (on note en général Mo) d’une distribution est

la valeur de la variable statistique la plus fréquente dans
la population étudiée.
• Variable discrète :
Age xi Effectif ni Fréquence fi
Le mode est
18 6 0,25
égal à 19
19 10 0,41 ans.
20 4 0,16 Mo = 19 ans
21 2 0,08
22 2 0,08
Total 24 1
4
 Mode
• Variable continue : c’est la classe dont la fréquence ou
l’effectif par unité d’amplitude sont les plus importants

Poids xi Effectif ni Amplitude hi = ni / ai

(5kg unité)
ai La classe
modale est
<60 2 1 2
donc
[60 ; 65[ 3 1 3
[70 ; 75[ et
[65 ; 70[ 4 1 4
pas [75 ; 85[
[70 ; 75[ 5 1 5
[75 ; 85[ 6 2 3
Mo = ( 70 + 75 ) / 2
 85 4 2 2
= 72,5.
5
Total 24 __ __
 Distance

• Distance : pour trouver l’ordre de grandeur des

observations, nous cherchons une valeur la plus proche
possible de la série d’observations (valeur
représentative)
• Exemple : le montant des achats du premier client est
x1 = 150.15, celui du 10e est x10 = 555.10.
– La proximité entre ces deux achats est la différence
entre x1 et x10 ( la même entre x10 et x1) :
x1 – x10 = = – 404.95
d1 = | x1 – x10 | = 404.95
d2 = (x1 – x10)2 = (– 404.95)2
6
 Distance
• Distance entre une valeur et une série
– on considère la somme ex des valeurs absolues des différences
entre x et les xi (la série (xi) i= 1, …, n.):

– on considère la somme d définie par son carré :

– plus ex ou dx2 est grand, plus x est différent des xi.

7
 Médiane : cas discret
• Médiane (mé): la somme des valeurs absolues des
différences ex est minimale : la médiane est une valeur telle
que la moitié des observations xi lui soient inférieures ou
égales
 Exemple variable discrète : Soit la distribution de 24 étudiants selon
leur âge.
Age xi ni Ni  Fi 
Mé  Ni = N/2 = 12 
18 6 6 0,25
fi = 0,5
19 10 16 0,67
La médiane est alors
20 4 20 0,84 égale à 19 ans.
21 2 22 0,92
22 2 24 1
Total 24 __ 8
__
 Médiane : cas continue
• Médiane (mé): La classe médiane est la classe de la valeur
de la variable contenant la médiane. Elle est déterminée à
partir des effectifs ou de fréquences cumulées

 Exemple : Soit la distribution de 24 étudiants selon leur taille

la médiane
Taille xi (en ni Ni Fi correspond à Ni = 12
m) (ou fi = 0,5) sera
< 1,60 6 24 6 0,25 comprise entre 1,60
et 1,70 m
[1,60 ; 1,70[ 7 18 13 0,54
[1,70 ; 1,80[ 8 11 21 0,87
la classe médiane
[1,80 ; 1,90[ 2 3 23 0,95 est la classe
 1,90 1 1 24 1 [1,60 ; 1,70[.
9
Total 24 __ __
 Médiane : cas continue
• Par le calcul : obtenu par interpolation linéaire à
l’intérieur de la classe médiane.
• Aux deux bornes xi et xj de la classe médiane, sont
associés les effectifs cumulés Ni et Nj, et à la médiane
on associe l’effectif N/2.
(N/2 - Ni)
•  Mé = xi + ________________ x (xj – xi )
Nj - N i
• Pour l’exemple précédent :
Mé = 1,60 + (12 – 6) (1,70 – 1,60) / (13 – 6) = 1,685 m.
10
 Moyenne

• Moyenne (m) : la somme des carrés des

différences dx2 est minimale (c’est le critère des
moindres carrés) :

11
 Médiane/Moyenne

• Exemple : soit une série de 6 observations :

x1 = 10, x2 = 11, x3 = 12, x4 = 13, x5 = 14, x6 = 15

• La moyenne de ces 6 observations est égale à

12.5,

• On choisit comme médiane la moyenne de x3 et x4

: 12.5 (3 observations sont inférieures à 12.5 et 3
sont supérieures).

• Supposons que x1 prenne la valeur 0. La moyenne

devient 10.83, la médiane12 reste égale à 12.5.
 Médiane/Moyenne

• Propriétés :
– la médiane a pour avantage d’être peu sensible
aux valeurs numériques de la série
– la moyenne dépend de toutes les valeurs xi et
particulièrement des valeurs xi très grandes en
valeur absolue
– Choisir la médiane quand les données sont peu
nombreuses, que certaines observations sont très
élevées en valeur absolue
– Choisir la moyenne lorsque les observations sont
précises, fiables et relativement nombreuses
13
 Exemple Exemple

• Quelles sont la
médiane et la
moyenne des
achats des 50
clients ?

14
 Exemple (suite)

• Exemple :

moyenne : m = 316.945 médiane : mé = 264.14

– La médiane est ici la moyenne des 25e et 26e

observations après classement dans l’ordre
croissant :

– x13 = x(25) = 254.13 x24 = x(26) = 274.15

15
 Moyenne pondérée

• Moyenne pondérée comme médiane pour des données

classées :
– on peut calculer la moyenne en supposant que dans
chaque classe, les observations sont toutes égales au
centre de cette classe. Pour calculer la moyenne appelée
moyenne pondérée, on utilisera alors la formule ci-dessous
dans laquelle :
• n est le nombre total d’observations ;
• p le nombre de classes ;
• nk le nombre d’observations appartenant à la classe de centre ck
:

• -
16
 Moyenne :cas discret
 Exemple : Soit la distribution des 24 étudiants selon leur âge.

X =  nixi /N = 464/24
= 19,333 ans. X =  fi xi = 19,333.
Age xi ni xi ni fi fi xi
18 6 108 6/24 4,5
19 10 190 10/2 7,9166
20 4 80 4 3,3333
21 2 42 4/24 1,75
22 2 44 2/24 1,8333
2/24
Total 24 464 17 1 19,333
 Moyenne :cas continu
 Exemple : Soit la distribution des 24 étudiants selon leur taille.
Avec xi le centres de la classe i (l’amplitude des X = ni xi / N
classes n’a pas d’influence sur le calcul de la = 40,5/24
moyenne). = 1,687 m.
Centre
Taille (en
ni de classe ni xi fi fi xi
m)
xi
< 1,60 6 1,55 9,3 6/24 0,387
[1,60 ; 1,70[ 7 1,65 11,5 7/24 0,481
[1,70 ; 1,80[ 5
8 1,75 8/24 0,583
[1,80 ; 1,90[ 14
2 1,85 2/24 0,154
 1,90
1 1,95 3,7 1/24 0,081
1,95
Total 24 __ 18 40,5 1 1,687
 Propriétés
• Linéarité de la moyenne
– Si on définît une nouvelle variable Z telle que:
zi = a xi + b, a et b étant des constantes réelles, on
montre que: Z  a * X  b
• La somme est la moyenne des écarts à la
moyenne sont nulles
•  ni (xi - X ) = 0
•  ni (xi - X )/N = 0

19
 Propriétés
• Agrégation de la moyenne
– Soit une population P composée de k sous
populations Ph d’effectifs nh et de moyennes
xh. La moyenne arithmétique globale de la
population P s’écrit :

X =  nh xh/N

C’est la moyenne des moyennes.

20
 Moyenne quadratique
• Utilisée : dans les mesures de dispersion (écart type) où
l'élévation des écarts au carré évite la présence d'écarts
négatifs et donc évite la compensation entre écarts
positifs et négatifs.
• Cas d’une moyenne pondérée:
OU
Qx 
1
N
 2
ni xi Qx  fx i i
2

• Cas d’une moyenne non pondérée:

1
Qx 
N
i
x 2

21
 Moyenne quadratique
• Exemple :
– Pour la série {-2, 5, -8, 9, -4 } la moyenne
arithmétique est égale à 0

– Les valeurs positives et négatives se

neutralisent  aucune information

– Le calcul de la moyenne quadratique pour la

même série donne Qx  6,16
22
 Moyenne quadratique
• Exemple : Soit la distribution statistique d'une population
de 40 individus selon la variable X :
xi ni
5 2
10 4
15 14 Dans le cas continu, on utilisera dans
20 12 les calculs comme valeurs de la variable
25 7 les centres de classes.)
30 1
 40
1 2 2 2 2 2 2
Qx  (2  5  4  10  14 15  12  20  7  25  1 30 )  18,4898
40 23
 Application
• Soit la distribution suivante : xi ni

– Calculer la moyenne d’ordre 1 (arithmétique) 1 120

– Calculer la moyenne d’ordre 2 (quadratique)
– Calculer la moyenne d’ordre 3
2 52
– Calculer la moyenne d’ordre -1 3 27
(Harmonique) : c'est l'inverse de la moyenne
arithmétique de l'inverse des termes 4 11
5 2

24