Cours 4: Statistique Descriptive

Mustapha Atraoui
Département de Mathématiques
Module: Stat et Prob

11 mai 2023

M.Atraoui FSA 11 mai 2023 1/1

 Plan de la présentation

M.Atraoui FSA 11 mai 2023 2/1

 Introduction

Definition
La statistique est l’ensemble des méthodes scientifiques à partir desquelles , on
recense, on résume, on présente et on analyse le phénomène auquel on s’intéresse.
Cette démarche permet de tirer des conclusions en vue de prendre des décisions

M.Atraoui FSA 11 mai 2023 3/1

 Introduction

Definition
La statistique est l’ensemble des méthodes scientifiques à partir desquelles , on
recense, on résume, on présente et on analyse le phénomène auquel on s’intéresse.
Cette démarche permet de tirer des conclusions en vue de prendre des décisions

La statistique a pour objet l’analyse des données

M.Atraoui FSA 11 mai 2023 3/1

 Introduction

Definition
La statistique est l’ensemble des méthodes scientifiques à partir desquelles , on
recense, on résume, on présente et on analyse le phénomène auquel on s’intéresse.
Cette démarche permet de tirer des conclusions en vue de prendre des décisions

La statistique a pour objet l’analyse des données

La statistique doit présenter ses données de manière simple dans le but de
prendre des décisions et d’intervenir sur le phénomène étudié.

M.Atraoui FSA 11 mai 2023 3/1

 Introduction

Definition
La statistique est l’ensemble des méthodes scientifiques à partir desquelles , on
recense, on résume, on présente et on analyse le phénomène auquel on s’intéresse.
Cette démarche permet de tirer des conclusions en vue de prendre des décisions

La statistique a pour objet l’analyse des données

La statistique doit présenter ses données de manière simple dans le but de
prendre des décisions et d’intervenir sur le phénomène étudié.
La statistique descriptive a pour objet de décrire , de dégager l’essentiel et de
réaliser des synthèses à l’aide du langage numérique
(caractéristiques,Graphiques)

M.Atraoui FSA 11 mai 2023 3/1

 Introduction

Definition
La statistique est l’ensemble des méthodes scientifiques à partir desquelles , on
recense, on résume, on présente et on analyse le phénomène auquel on s’intéresse.
Cette démarche permet de tirer des conclusions en vue de prendre des décisions

La statistique a pour objet l’analyse des données

La statistique doit présenter ses données de manière simple dans le but de
prendre des décisions et d’intervenir sur le phénomène étudié.
La statistique descriptive a pour objet de décrire , de dégager l’essentiel et de
réaliser des synthèses à l’aide du langage numérique
(caractéristiques,Graphiques)

M.Atraoui FSA 11 mai 2023 3/1

 Éléments du vocabulaire statistique

Population (Univers) : c’est l’ensemble des unités(individu)étudiés ou observé ,

c’est l’ensemble sur lequel porte l’étude statistique

M.Atraoui FSA 11 mai 2023 4/1

 Éléments du vocabulaire statistique

Population (Univers) : c’est l’ensemble des unités(individu)étudiés ou observé ,

c’est l’ensemble sur lequel porte l’étude statistique
Individu ou unité statistique : c’est tout élément de la population cible

M.Atraoui FSA 11 mai 2023 4/1

 Éléments du vocabulaire statistique

Population (Univers) : c’est l’ensemble des unités(individu)étudiés ou observé ,

c’est l’ensemble sur lequel porte l’étude statistique
Individu ou unité statistique : c’est tout élément de la population cible
Caractère(variable statistique) : c’est l’aspect particulier auquel on s’intéresse ;
c’est le sujet d’étude , c’est un élément qui peut prendre plusieurs valeurs
(modalités )

M.Atraoui FSA 11 mai 2023 4/1

 Éléments du vocabulaire statistique

Population (Univers) : c’est l’ensemble des unités(individu)étudiés ou observé ,

c’est l’ensemble sur lequel porte l’étude statistique
Individu ou unité statistique : c’est tout élément de la population cible
Caractère(variable statistique) : c’est l’aspect particulier auquel on s’intéresse ;
c’est le sujet d’étude , c’est un élément qui peut prendre plusieurs valeurs
(modalités )
Modalités(xi )d’une variable statistique : sont les valeurs possibles à priori de la
variable

M.Atraoui FSA 11 mai 2023 4/1

 Éléments du vocabulaire statistique

Population (Univers) : c’est l’ensemble des unités(individu)étudiés ou observé ,

c’est l’ensemble sur lequel porte l’étude statistique
Individu ou unité statistique : c’est tout élément de la population cible
Caractère(variable statistique) : c’est l’aspect particulier auquel on s’intéresse ;
c’est le sujet d’étude , c’est un élément qui peut prendre plusieurs valeurs
(modalités )
Modalités(xi )d’une variable statistique : sont les valeurs possibles à priori de la
variable
Effectif ou fréquence absolu : c’est le nombre de fois que la modalité xi est
observée

M.Atraoui FSA 11 mai 2023 4/1

 Éléments du vocabulaire statistique

Population (Univers) : c’est l’ensemble des unités(individu)étudiés ou observé ,

c’est l’ensemble sur lequel porte l’étude statistique
Individu ou unité statistique : c’est tout élément de la population cible
Caractère(variable statistique) : c’est l’aspect particulier auquel on s’intéresse ;
c’est le sujet d’étude , c’est un élément qui peut prendre plusieurs valeurs
(modalités )
Modalités(xi )d’une variable statistique : sont les valeurs possibles à priori de la
variable
Effectif ou fréquence absolu : c’est le nombre de fois que la modalité xi est
observée
Fréquence relative(fi ) : c’est le pourcentage des individus ayant la modalité i
dans la population étudiée, en d’autre terme c’est le rapport entre l’effectif ni est
ni
l’effectif total N. fi = avec N = n1 + n2 +, ..., nk
N

M.Atraoui FSA 11 mai 2023 4/1

 Éléments du vocabulaire statistique

Population (Univers) : c’est l’ensemble des unités(individu)étudiés ou observé ,

c’est l’ensemble sur lequel porte l’étude statistique
Individu ou unité statistique : c’est tout élément de la population cible
Caractère(variable statistique) : c’est l’aspect particulier auquel on s’intéresse ;
c’est le sujet d’étude , c’est un élément qui peut prendre plusieurs valeurs
(modalités )
Modalités(xi )d’une variable statistique : sont les valeurs possibles à priori de la
variable
Effectif ou fréquence absolu : c’est le nombre de fois que la modalité xi est
observée
Fréquence relative(fi ) : c’est le pourcentage des individus ayant la modalité i
dans la population étudiée, en d’autre terme c’est le rapport entre l’effectif ni est
ni
l’effectif total N. fi = avec N = n1 + n2 +, ..., nk
N

Remarque
Ondistingue deux types de variables statistiques ou caractères :
Caractère quantitatif
Caractère qualitatif

M.Atraoui FSA 11 mai 2023 4/1

 Types de variables

1 Caractère quantitative : les différents modalités du caractères sont mesurables ,

les caractères quantitatifs peuvent être

M.Atraoui FSA 11 mai 2023 5/1

 Types de variables

1 Caractère quantitative : les différents modalités du caractères sont mesurables ,

les caractères quantitatifs peuvent être
Discrets : les valeurs prise par ce dernier sont isolés (le plus souvent des entiers )des
valeurs finies,

M.Atraoui FSA 11 mai 2023 5/1

 Types de variables

1 Caractère quantitative : les différents modalités du caractères sont mesurables ,

les caractères quantitatifs peuvent être
Discrets : les valeurs prise par ce dernier sont isolés (le plus souvent des entiers )des
valeurs finies,
Continus : les valeurs prise par ce dernier sont en nombre infinie (ensemble des
modalités est un intervalle)

M.Atraoui FSA 11 mai 2023 5/1

 Types de variables

1 Caractère quantitative : les différents modalités du caractères sont mesurables ,

les caractères quantitatifs peuvent être
Discrets : les valeurs prise par ce dernier sont isolés (le plus souvent des entiers )des
valeurs finies,
Continus : les valeurs prise par ce dernier sont en nombre infinie (ensemble des
modalités est un intervalle)
2 Caractère qualitatif : les différents modalités ne sont pas mesurables (n’est pas
chiffré)ils peuvent être

M.Atraoui FSA 11 mai 2023 5/1

 Types de variables

1 Caractère quantitative : les différents modalités du caractères sont mesurables ,

les caractères quantitatifs peuvent être
Discrets : les valeurs prise par ce dernier sont isolés (le plus souvent des entiers )des
valeurs finies,
Continus : les valeurs prise par ce dernier sont en nombre infinie (ensemble des
modalités est un intervalle)
2 Caractère qualitatif : les différents modalités ne sont pas mesurables (n’est pas
chiffré)ils peuvent être
Ordinale : l’ensemble des modalités correspondent à un échelle avec un ordre ; exemple
niveau de satisfaction, niveau de scolarité.

M.Atraoui FSA 11 mai 2023 5/1

 Types de variables

1 Caractère quantitative : les différents modalités du caractères sont mesurables ,

les caractères quantitatifs peuvent être
Discrets : les valeurs prise par ce dernier sont isolés (le plus souvent des entiers )des
valeurs finies,
Continus : les valeurs prise par ce dernier sont en nombre infinie (ensemble des
modalités est un intervalle)
2 Caractère qualitatif : les différents modalités ne sont pas mesurables (n’est pas
chiffré)ils peuvent être
Ordinale : l’ensemble des modalités correspondent à un échelle avec un ordre ; exemple
niveau de satisfaction, niveau de scolarité.
Nominale : l’ensemble des modalités ne correspondent à aucun échelle par exemple
sexe, nationalité,...,ect

M.Atraoui FSA 11 mai 2023 5/1

 Types de variables

1 Caractère quantitative : les différents modalités du caractères sont mesurables ,

les caractères quantitatifs peuvent être
Discrets : les valeurs prise par ce dernier sont isolés (le plus souvent des entiers )des
valeurs finies,
Continus : les valeurs prise par ce dernier sont en nombre infinie (ensemble des
modalités est un intervalle)
2 Caractère qualitatif : les différents modalités ne sont pas mesurables (n’est pas
chiffré)ils peuvent être
Ordinale : l’ensemble des modalités correspondent à un échelle avec un ordre ; exemple
niveau de satisfaction, niveau de scolarité.
Nominale : l’ensemble des modalités ne correspondent à aucun échelle par exemple
sexe, nationalité,...,ect

Exemple
Pour le caractère état matrimonial, on pourra avoir quatre modalités : Célibataire,
Marié, Divorcé et veuf,le nombre de modalité varie selon le degré de détail de
l’information et les différentes modalités doivent être incompatibles c’est à dire aucun
individu ne peut avoir deux modalités en même temps et exhaustif en d’autre termes
les différents modalités doivent cerner tout l’ensemble étudié.

M.Atraoui FSA 11 mai 2023 5/1

 Types de variables

1 Caractère quantitative : les différents modalités du caractères sont mesurables ,

les caractères quantitatifs peuvent être
Discrets : les valeurs prise par ce dernier sont isolés (le plus souvent des entiers )des
valeurs finies,
Continus : les valeurs prise par ce dernier sont en nombre infinie (ensemble des
modalités est un intervalle)
2 Caractère qualitatif : les différents modalités ne sont pas mesurables (n’est pas
chiffré)ils peuvent être
Ordinale : l’ensemble des modalités correspondent à un échelle avec un ordre ; exemple
niveau de satisfaction, niveau de scolarité.
Nominale : l’ensemble des modalités ne correspondent à aucun échelle par exemple
sexe, nationalité,...,ect

Exemple
Pour le caractère état matrimonial, on pourra avoir quatre modalités : Célibataire,
Marié, Divorcé et veuf,le nombre de modalité varie selon le degré de détail de
l’information et les différentes modalités doivent être incompatibles c’est à dire aucun
individu ne peut avoir deux modalités en même temps et exhaustif en d’autre termes
les différents modalités doivent cerner tout l’ensemble étudié.

M.Atraoui FSA 11 mai 2023 5/1

 Remarque
Une série statistique simple n’est rien d’autre q’une simple énumération des
observations

M.Atraoui FSA 11 mai 2023 6/1

 Remarque
Une série statistique simple n’est rien d’autre q’une simple énumération des
observations

Soit une population de N individus étudiés selon un seul caractère X, qui peut être
quantitatif ou qualitatif , à chaque individu i correspond une valeur xi du caractère X
avec i varie de 1 jusqu’à N ainsi l’observation d’une population d’effectif N nous
permet de disposer de N valeurs xi , x1 , x2;...,xN ces N observations sont appelés
observations individuelle de la population cible selon le caractère X.

M.Atraoui FSA 11 mai 2023 6/1

 Remarque
Une série statistique simple n’est rien d’autre q’une simple énumération des
observations

Soit une population de N individus étudiés selon un seul caractère X, qui peut être
quantitatif ou qualitatif , à chaque individu i correspond une valeur xi du caractère X
avec i varie de 1 jusqu’à N ainsi l’observation d’une population d’effectif N nous
permet de disposer de N valeurs xi , x1 , x2;...,xN ces N observations sont appelés
observations individuelle de la population cible selon le caractère X.
Une même valeur peut être observer plusieurs fois et doit de ce fait être
mentionnée autant de fois que le nombre de répétition

M.Atraoui FSA 11 mai 2023 6/1

 Remarque
Une série statistique simple n’est rien d’autre q’une simple énumération des
observations

Soit une population de N individus étudiés selon un seul caractère X, qui peut être
quantitatif ou qualitatif , à chaque individu i correspond une valeur xi du caractère X
avec i varie de 1 jusqu’à N ainsi l’observation d’une population d’effectif N nous
permet de disposer de N valeurs xi , x1 , x2;...,xN ces N observations sont appelés
observations individuelle de la population cible selon le caractère X.
Une même valeur peut être observer plusieurs fois et doit de ce fait être
mentionnée autant de fois que le nombre de répétition
Les observations doivent être classées par ordre croissant : x1 < x2 <, ..., xN .

M.Atraoui FSA 11 mai 2023 6/1

 Remarque
Une série statistique simple n’est rien d’autre q’une simple énumération des
observations

Soit une population de N individus étudiés selon un seul caractère X, qui peut être
quantitatif ou qualitatif , à chaque individu i correspond une valeur xi du caractère X
avec i varie de 1 jusqu’à N ainsi l’observation d’une population d’effectif N nous
permet de disposer de N valeurs xi , x1 , x2;...,xN ces N observations sont appelés
observations individuelle de la population cible selon le caractère X.
Une même valeur peut être observer plusieurs fois et doit de ce fait être
mentionnée autant de fois que le nombre de répétition
Les observations doivent être classées par ordre croissant : x1 < x2 <, ..., xN .
Il est donc nécessaire de porter les différents modalités ainsi que les effectifs
correspondant dans un tableau statistique, on distingue généralement deux sortes de
tableaux statistiques

M.Atraoui FSA 11 mai 2023 6/1

 Remarque
Une série statistique simple n’est rien d’autre q’une simple énumération des
observations

Soit une population de N individus étudiés selon un seul caractère X, qui peut être
quantitatif ou qualitatif , à chaque individu i correspond une valeur xi du caractère X
avec i varie de 1 jusqu’à N ainsi l’observation d’une population d’effectif N nous
permet de disposer de N valeurs xi , x1 , x2;...,xN ces N observations sont appelés
observations individuelle de la population cible selon le caractère X.
Une même valeur peut être observer plusieurs fois et doit de ce fait être
mentionnée autant de fois que le nombre de répétition
Les observations doivent être classées par ordre croissant : x1 < x2 <, ..., xN .
Il est donc nécessaire de porter les différents modalités ainsi que les effectifs
correspondant dans un tableau statistique, on distingue généralement deux sortes de
tableaux statistiques
1 Un tableau pour les distributions non groupées (Qualitatif, Quantitatif discret)

M.Atraoui FSA 11 mai 2023 6/1

 Remarque
Une série statistique simple n’est rien d’autre q’une simple énumération des
observations

Soit une population de N individus étudiés selon un seul caractère X, qui peut être
quantitatif ou qualitatif , à chaque individu i correspond une valeur xi du caractère X
avec i varie de 1 jusqu’à N ainsi l’observation d’une population d’effectif N nous
permet de disposer de N valeurs xi , x1 , x2;...,xN ces N observations sont appelés
observations individuelle de la population cible selon le caractère X.
Une même valeur peut être observer plusieurs fois et doit de ce fait être
mentionnée autant de fois que le nombre de répétition
Les observations doivent être classées par ordre croissant : x1 < x2 <, ..., xN .
Il est donc nécessaire de porter les différents modalités ainsi que les effectifs
correspondant dans un tableau statistique, on distingue généralement deux sortes de
tableaux statistiques
1 Un tableau pour les distributions non groupées (Qualitatif, Quantitatif discret)
2 L’autre pour les distributions groupées (Quantitatif continue)

M.Atraoui FSA 11 mai 2023 6/1

 Remarque
Une série statistique simple n’est rien d’autre q’une simple énumération des
observations

Soit une population de N individus étudiés selon un seul caractère X, qui peut être
quantitatif ou qualitatif , à chaque individu i correspond une valeur xi du caractère X
avec i varie de 1 jusqu’à N ainsi l’observation d’une population d’effectif N nous
permet de disposer de N valeurs xi , x1 , x2;...,xN ces N observations sont appelés
observations individuelle de la population cible selon le caractère X.
Une même valeur peut être observer plusieurs fois et doit de ce fait être
mentionnée autant de fois que le nombre de répétition
Les observations doivent être classées par ordre croissant : x1 < x2 <, ..., xN .
Il est donc nécessaire de porter les différents modalités ainsi que les effectifs
correspondant dans un tableau statistique, on distingue généralement deux sortes de
tableaux statistiques
1 Un tableau pour les distributions non groupées (Qualitatif, Quantitatif discret)
2 L’autre pour les distributions groupées (Quantitatif continue)

M.Atraoui FSA 11 mai 2023 6/1

 Tableau Statistique

Forme Standard du tableau Statistique

Fréquences relatives :
Modalités : xi Effectif : ni fi
x1 n1 f1
x2 n2 f2
. . .
. . .
. . .
xk nk fk
Total N 1

M.Atraoui FSA 11 mai 2023 7/1

 Paramètres de position

M.Atraoui FSA 11 mai 2023 8/1

 Paramètres de position

Ces paramètres servent à caractériser l’ordre de grandeur des observations. Les

principales paramètres de positions sont :

M.Atraoui FSA 11 mai 2023 8/1

 Paramètres de position

Ces paramètres servent à caractériser l’ordre de grandeur des observations. Les

principales paramètres de positions sont :
1 La moyenne
N
1 X
La moyenne arithmétique simple : X = xi
N 1

M.Atraoui FSA 11 mai 2023 8/1

 Paramètres de position

Ces paramètres servent à caractériser l’ordre de grandeur des observations. Les

principales paramètres de positions sont :
1 La moyenne
N
1 X
La moyenne arithmétique simple : X = xi
N 1
k k
1 X X
La moyenne arithmétique pondérée : X = ni .xi = fi .xi
N 1 1

M.Atraoui FSA 11 mai 2023 8/1

 Paramètres de position

Ces paramètres servent à caractériser l’ordre de grandeur des observations. Les

principales paramètres de positions sont :
1 La moyenne
N
1 X
La moyenne arithmétique simple : X = xi
N 1
k k
1 X X
La moyenne arithmétique pondérée : X = ni .xi = fi .xi
N 1 1
k
1 X
La moyenne arithmétique des données groupées en classes :X = ni .ci avec
N 1
ci centre de la classe i

M.Atraoui FSA 11 mai 2023 8/1

 Paramètres de position

Ces paramètres servent à caractériser l’ordre de grandeur des observations. Les

principales paramètres de positions sont :
1 La moyenne
N
1 X
La moyenne arithmétique simple : X = xi
N 1
k k
1 X X
La moyenne arithmétique pondérée : X = ni .xi = fi .xi
N 1 1
k
1 X
La moyenne arithmétique des données groupées en classes :X = ni .ci avec
N 1
ci centre de la classe i
2 La médiane

M.Atraoui FSA 11 mai 2023 8/1

 Paramètres de position

Ces paramètres servent à caractériser l’ordre de grandeur des observations. Les

principales paramètres de positions sont :
1 La moyenne
N
1 X
La moyenne arithmétique simple : X = xi
N 1
k k
1 X X
La moyenne arithmétique pondérée : X = ni .xi = fi .xi
N 1 1
k
1 X
La moyenne arithmétique des données groupées en classes :X = ni .ci avec
N 1
ci centre de la classe i
2 La médiane
3 Modes

M.Atraoui FSA 11 mai 2023 8/1

 Paramètres de position

Ces paramètres servent à caractériser l’ordre de grandeur des observations. Les

principales paramètres de positions sont :
1 La moyenne
N
1 X
La moyenne arithmétique simple : X = xi
N 1
k k
1 X X
La moyenne arithmétique pondérée : X = ni .xi = fi .xi
N 1 1
k
1 X
La moyenne arithmétique des données groupées en classes :X = ni .ci avec
N 1
ci centre de la classe i
2 La médiane
3 Modes

M.Atraoui FSA 11 mai 2023 8/1

 Calcul pratique de la médiane

M.Atraoui FSA 11 mai 2023 9/1

 Calcul pratique de la médiane

1 Cas d’une série statistique simple : Avant de déterminer la médiane il faut classer
en ordre croissant la série statistique

M.Atraoui FSA 11 mai 2023 9/1

 Calcul pratique de la médiane

1 Cas d’une série statistique simple : Avant de déterminer la médiane il faut classer
en ordre croissant la série statistique
Le nombre d’observations est impaire N = 2p + 1 dans ce cas la médiane est
N +1
l’observation numéro p + 1 c’est la valeur du rang donc Me = xp+1
2

M.Atraoui FSA 11 mai 2023 9/1

 Calcul pratique de la médiane

1 Cas d’une série statistique simple : Avant de déterminer la médiane il faut classer
en ordre croissant la série statistique
Le nombre d’observations est impaire N = 2p + 1 dans ce cas la médiane est
N +1
l’observation numéro p + 1 c’est la valeur du rang donc Me = xp+1
2
Le nombre d’observations est paire N = 2p dans ce cas on a pas une valeur médiane
on a une classe médiane [xp , xp+1 ] on prend le centre de cette classe comme
xp + xp+1
médiane Me =
2

M.Atraoui FSA 11 mai 2023 9/1

 Calcul pratique de la médiane

1 Cas d’une série statistique simple : Avant de déterminer la médiane il faut classer
en ordre croissant la série statistique
Le nombre d’observations est impaire N = 2p + 1 dans ce cas la médiane est
N +1
l’observation numéro p + 1 c’est la valeur du rang donc Me = xp+1
2
Le nombre d’observations est paire N = 2p dans ce cas on a pas une valeur médiane
on a une classe médiane [xp , xp+1 ] on prend le centre de cette classe comme
xp + xp+1
médiane Me =
2
2 Cas d’une distribution groupée :Soit i l’indice de la classe médiane

M.Atraoui FSA 11 mai 2023 9/1

 Calcul pratique de la médiane

1 Cas d’une série statistique simple : Avant de déterminer la médiane il faut classer
en ordre croissant la série statistique
Le nombre d’observations est impaire N = 2p + 1 dans ce cas la médiane est
N +1
l’observation numéro p + 1 c’est la valeur du rang donc Me = xp+1
2
Le nombre d’observations est paire N = 2p dans ce cas on a pas une valeur médiane
on a une classe médiane [xp , xp+1 ] on prend le centre de cette classe comme
xp + xp+1
médiane Me =
2
2 Cas d’une distribution groupée :Soit i l’indice de la classe médiane


 Borneinfi → Ni−1 , ;
N

Me → , ;

 2
Bornesupi → Ni , .


M.Atraoui FSA 11 mai 2023 9/1

 Calcul pratique de la médiane

1 Cas d’une série statistique simple : Avant de déterminer la médiane il faut classer
en ordre croissant la série statistique
Le nombre d’observations est impaire N = 2p + 1 dans ce cas la médiane est
N +1
l’observation numéro p + 1 c’est la valeur du rang donc Me = xp+1
2
Le nombre d’observations est paire N = 2p dans ce cas on a pas une valeur médiane
on a une classe médiane [xp , xp+1 ] on prend le centre de cette classe comme
xp + xp+1
médiane Me =
2
2 Cas d’une distribution groupée :Soit i l’indice de la classe médiane


 Borneinfi → Ni−1 , ;
N

Me → , ;

 2
Bornesupi → Ni , .


donc
N N
Me − Borneinfi − Ni−1 − Ni−1
= 2 ⇒ Me = Borneinfi + ai ( 2 )
Bornesupi − Borneinfi Ni − Ni−1 Ni − Ni−1

M.Atraoui FSA 11 mai 2023 9/1

 Calcul pratique de la médiane

1 Cas d’une série statistique simple : Avant de déterminer la médiane il faut classer
en ordre croissant la série statistique
Le nombre d’observations est impaire N = 2p + 1 dans ce cas la médiane est
N +1
l’observation numéro p + 1 c’est la valeur du rang donc Me = xp+1
2
Le nombre d’observations est paire N = 2p dans ce cas on a pas une valeur médiane
on a une classe médiane [xp , xp+1 ] on prend le centre de cette classe comme
xp + xp+1
médiane Me =
2
2 Cas d’une distribution groupée :Soit i l’indice de la classe médiane


 Borneinfi → Ni−1 , ;
N

Me → , ;

 2
Bornesupi → Ni , .


donc
N N
Me − Borneinfi − Ni−1 − Ni−1
= 2 ⇒ Me = Borneinfi + ai ( 2 )
Bornesupi − Borneinfi Ni − Ni−1 Ni − Ni−1

M.Atraoui FSA 11 mai 2023 9/1

 Calcul pratique du mode

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)
2 Cas caractère continu :

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)
2 Cas caractère continu :
Les classes ont même amplitude :

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)
2 Cas caractère continu :
Les classes ont même amplitude : on détermine tout d’abord la classe modale , la valeur
du mode M0 ∈ [xi ,xi+1 [ vérifie
ni − ni−1
M0 = borneinfi (xi ) + ai .
(ni − ni−1 ) + (ni − ni+1 )
ou

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)
2 Cas caractère continu :
Les classes ont même amplitude : on détermine tout d’abord la classe modale , la valeur
du mode M0 ∈ [xi ,xi+1 [ vérifie
ni − ni−1
M0 = borneinfi (xi ) + ai .
(ni − ni−1 ) + (ni − ni+1 )
ou
fi − fi−1
M0 = borneinfi (xi ) + ai .
(fi − fi−1 ) + (fi − fi+1 )

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)
2 Cas caractère continu :
Les classes ont même amplitude : on détermine tout d’abord la classe modale , la valeur
du mode M0 ∈ [xi ,xi+1 [ vérifie
ni − ni−1
M0 = borneinfi (xi ) + ai .
(ni − ni−1 ) + (ni − ni+1 )
ou
fi − fi−1
M0 = borneinfi (xi ) + ai .
(fi − fi−1 ) + (fi − fi+1 )
Si les classes ont des amplitudes différentes , on travaille avec les effectives corrigés ou
les densités corrigées

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)
2 Cas caractère continu :
Les classes ont même amplitude : on détermine tout d’abord la classe modale , la valeur
du mode M0 ∈ [xi ,xi+1 [ vérifie
ni − ni−1
M0 = borneinfi (xi ) + ai .
(ni − ni−1 ) + (ni − ni+1 )
ou
fi − fi−1
M0 = borneinfi (xi ) + ai .
(fi − fi−1 ) + (fi − fi+1 )
Si les classes ont des amplitudes différentes , on travaille avec les effectives corrigés ou
ni fi
les densités corrigées ni corr = et fi corr =
ai ai

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)
2 Cas caractère continu :
Les classes ont même amplitude : on détermine tout d’abord la classe modale , la valeur
du mode M0 ∈ [xi ,xi+1 [ vérifie
ni − ni−1
M0 = borneinfi (xi ) + ai .
(ni − ni−1 ) + (ni − ni+1 )
ou
fi − fi−1
M0 = borneinfi (xi ) + ai .
(fi − fi−1 ) + (fi − fi+1 )
Si les classes ont des amplitudes différentes , on travaille avec les effectives corrigés ou
ni fi
les densités corrigées ni corr = et fi corr =
ai ai

Exemple
Reprendre les exemples des pages 59 − 60 − 61 − 62 du polycopié

M.Atraoui FSA 11 mai 2023 10 / 1

 Calcul pratique du mode

1 Cas d’un caractère Qualitatif ou quantitatif discret :Le mode est la valeur du
caractère qui admet le plus grand effectif(ou la plus grande fréquence)
2 Cas caractère continu :
Les classes ont même amplitude : on détermine tout d’abord la classe modale , la valeur
du mode M0 ∈ [xi ,xi+1 [ vérifie
ni − ni−1
M0 = borneinfi (xi ) + ai .
(ni − ni−1 ) + (ni − ni+1 )
ou
fi − fi−1
M0 = borneinfi (xi ) + ai .
(fi − fi−1 ) + (fi − fi+1 )
Si les classes ont des amplitudes différentes , on travaille avec les effectives corrigés ou
ni fi
les densités corrigées ni corr = et fi corr =
ai ai

Exemple
Reprendre les exemples des pages 59 − 60 − 61 − 62 du polycopié

M.Atraoui FSA 11 mai 2023 10 / 1

 Paramètres de dispersion

Les paramètres de dispersion permettent de chiffrer la variation des valeurs observées

autour d’un paramètre de position
1 L’étendue

M.Atraoui FSA 11 mai 2023 11 / 1

 Paramètres de dispersion

Les paramètres de dispersion permettent de chiffrer la variation des valeurs observées

autour d’un paramètre de position
1 L’étendue

Definition
L’étendue (ou l’intervalle de variation) d’une variable statistique X est la différence
entre la plus grande valeur et la plus petite valeur de X :

E = Xmax − Xmin

M.Atraoui FSA 11 mai 2023 11 / 1

 Paramètres de dispersion

Les paramètres de dispersion permettent de chiffrer la variation des valeurs observées

autour d’un paramètre de position
1 L’étendue

Definition
L’étendue (ou l’intervalle de variation) d’une variable statistique X est la différence
entre la plus grande valeur et la plus petite valeur de X :

E = Xmax − Xmin

La série dont l’étendu est grand sera plus dispersée que celle dont l’étendu est
petit.

M.Atraoui FSA 11 mai 2023 11 / 1

 Paramètres de dispersion

Les paramètres de dispersion permettent de chiffrer la variation des valeurs observées

autour d’un paramètre de position
1 L’étendue

Definition
L’étendue (ou l’intervalle de variation) d’une variable statistique X est la différence
entre la plus grande valeur et la plus petite valeur de X :

E = Xmax − Xmin

La série dont l’étendu est grand sera plus dispersée que celle dont l’étendu est
petit.
2 L’intervalle et l’écart inter-quartile

M.Atraoui FSA 11 mai 2023 11 / 1

 Paramètres de dispersion

Les paramètres de dispersion permettent de chiffrer la variation des valeurs observées

autour d’un paramètre de position
1 L’étendue

Definition
L’étendue (ou l’intervalle de variation) d’une variable statistique X est la différence
entre la plus grande valeur et la plus petite valeur de X :

E = Xmax − Xmin

La série dont l’étendu est grand sera plus dispersée que celle dont l’étendu est
petit.
2 L’intervalle et l’écart inter-quartile

Definition
Les quartiles d’une variable statistique, dont les valeurs ont été préalablement
classées par ordre croissant, sont les trois valeurs, notées Q1 , Q2 et Q3 , qui partagent
la population en quatre sous populations de même effectif.

M.Atraoui FSA 11 mai 2023 11 / 1

 Paramètres de dispersion

Les paramètres de dispersion permettent de chiffrer la variation des valeurs observées

autour d’un paramètre de position
1 L’étendue

Definition
L’étendue (ou l’intervalle de variation) d’une variable statistique X est la différence
entre la plus grande valeur et la plus petite valeur de X :

E = Xmax − Xmin

La série dont l’étendu est grand sera plus dispersée que celle dont l’étendu est
petit.
2 L’intervalle et l’écart inter-quartile

Definition
Les quartiles d’une variable statistique, dont les valeurs ont été préalablement
classées par ordre croissant, sont les trois valeurs, notées Q1 , Q2 et Q3 , qui partagent
la population en quatre sous populations de même effectif.

M.Atraoui FSA 11 mai 2023 11 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales

M.Atraoui FSA 11 mai 2023 12 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales
Q2 ce n’est rien d’autre que la médiane Q2 = Me

M.Atraoui FSA 11 mai 2023 12 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales
Q2 ce n’est rien d’autre que la médiane Q2 = Me
Q3 est la valeur de la variable statistique dont 75% des observations lui sont
inférieurs ou égales et 25% des observations lui sont supérieurs ou égales

M.Atraoui FSA 11 mai 2023 12 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales
Q2 ce n’est rien d’autre que la médiane Q2 = Me
Q3 est la valeur de la variable statistique dont 75% des observations lui sont
inférieurs ou égales et 25% des observations lui sont supérieurs ou égales

Remarque
La détermination des trois quartiles respectent la même démarche que celle adopté
pour le calcul de la médiane.

M.Atraoui FSA 11 mai 2023 12 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales
Q2 ce n’est rien d’autre que la médiane Q2 = Me
Q3 est la valeur de la variable statistique dont 75% des observations lui sont
inférieurs ou égales et 25% des observations lui sont supérieurs ou égales

Remarque
La détermination des trois quartiles respectent la même démarche que celle adopté
pour le calcul de la médiane.

Détermination pratique :

M.Atraoui FSA 11 mai 2023 12 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales
Q2 ce n’est rien d’autre que la médiane Q2 = Me
Q3 est la valeur de la variable statistique dont 75% des observations lui sont
inférieurs ou égales et 25% des observations lui sont supérieurs ou égales

Remarque
La détermination des trois quartiles respectent la même démarche que celle adopté
pour le calcul de la médiane.

Détermination pratique :

a. Cas d’une variable discrète :

M.Atraoui FSA 11 mai 2023 12 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales
Q2 ce n’est rien d’autre que la médiane Q2 = Me
Q3 est la valeur de la variable statistique dont 75% des observations lui sont
inférieurs ou égales et 25% des observations lui sont supérieurs ou égales

Remarque
La détermination des trois quartiles respectent la même démarche que celle adopté
pour le calcul de la médiane.

Détermination pratique :

a. Cas d’une variable discrète : On détermine d’abord Q2 qui est égale à la médiane
Me et qui partage la population P en deux sous-population P1 et P2 de même effectif.

M.Atraoui FSA 11 mai 2023 12 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales
Q2 ce n’est rien d’autre que la médiane Q2 = Me
Q3 est la valeur de la variable statistique dont 75% des observations lui sont
inférieurs ou égales et 25% des observations lui sont supérieurs ou égales

Remarque
La détermination des trois quartiles respectent la même démarche que celle adopté
pour le calcul de la médiane.

Détermination pratique :

a. Cas d’une variable discrète : On détermine d’abord Q2 qui est égale à la médiane
Me et qui partage la population P en deux sous-population P1 et P2 de même effectif.
Ensuite, on détermine Q1 (resp. Q3 ) en considérant qu’il est égal à la médiane de la
sous-population P1 (resp. P2 ).

M.Atraoui FSA 11 mai 2023 12 / 1

 Q1 est la valeur de la variable statistique dont 25% des observations lui sont
inférieurs ou égales et 75% des observations lui sont supérieurs ou égales
Q2 ce n’est rien d’autre que la médiane Q2 = Me
Q3 est la valeur de la variable statistique dont 75% des observations lui sont
inférieurs ou égales et 25% des observations lui sont supérieurs ou égales

Remarque
La détermination des trois quartiles respectent la même démarche que celle adopté
pour le calcul de la médiane.

Détermination pratique :

a. Cas d’une variable discrète : On détermine d’abord Q2 qui est égale à la médiane
Me et qui partage la population P en deux sous-population P1 et P2 de même effectif.
Ensuite, on détermine Q1 (resp. Q3 ) en considérant qu’il est égal à la médiane de la
sous-population P1 (resp. P2 ).

M.Atraoui FSA 11 mai 2023 12 / 1

 Exemple

M.Atraoui FSA 11 mai 2023 13 / 1

 Exemple
Soit une population P de 10 personnes dont les poids (en Kg ) sont :

45 − 49 − 52 − 55 − 56 − 62 − 63 − 68 − 74 − 89

M.Atraoui FSA 11 mai 2023 13 / 1

 Exemple
Soit une population P de 10 personnes dont les poids (en Kg ) sont :

45 − 49 − 52 − 55 − 56 − 62 − 63 − 68 − 74 − 89

La médiane est donnée par :

M.Atraoui FSA 11 mai 2023 13 / 1

 Exemple
Soit une population P de 10 personnes dont les poids (en Kg ) sont :

45 − 49 − 52 − 55 − 56 − 62 − 63 − 68 − 74 − 89

La médiane est donnée par :

56 + 62
Me = = 59Kg
2

M.Atraoui FSA 11 mai 2023 13 / 1

 Exemple
Soit une population P de 10 personnes dont les poids (en Kg ) sont :

45 − 49 − 52 − 55 − 56 − 62 − 63 − 68 − 74 − 89

La médiane est donnée par :

56 + 62
Me = = 59Kg
2
La sous-population P1 est formée des personnes dont les poids sont : 45-49-52 - 55 -
56 .

M.Atraoui FSA 11 mai 2023 13 / 1

 Exemple
Soit une population P de 10 personnes dont les poids (en Kg ) sont :

45 − 49 − 52 − 55 − 56 − 62 − 63 − 68 − 74 − 89

La médiane est donnée par :

56 + 62
Me = = 59Kg
2
La sous-population P1 est formée des personnes dont les poids sont : 45-49-52 - 55 -
56 .
La sous-population P2 est formée des personnes dont les poids sont :
62 − 63 − 68 − 74 − 89.

M.Atraoui FSA 11 mai 2023 13 / 1

 Exemple
Soit une population P de 10 personnes dont les poids (en Kg ) sont :

45 − 49 − 52 − 55 − 56 − 62 − 63 − 68 − 74 − 89

La médiane est donnée par :

56 + 62
Me = = 59Kg
2
La sous-population P1 est formée des personnes dont les poids sont : 45-49-52 - 55 -
56 .
La sous-population P2 est formée des personnes dont les poids sont :
62 − 63 − 68 − 74 − 89.D’où

Q1 = 52Kg, Q3 = 68Kg

M.Atraoui FSA 11 mai 2023 13 / 1

 b. Cas d’une variable continue :Pour calculer un quartile Qj , on le situe d’abord à l0
intérieur d’une classe [xi , xi+1 [ .

M.Atraoui FSA 11 mai 2023 14 / 1

 b. Cas d’une variable continue :Pour calculer un quartile Qj , on le situe d’abord à l0
intérieur d’une classe [xi , xi+1 [ .
j
xi 6 Qj < xi+1 ⇔ F (xi ) 6 < F (xi+1 )
4

M.Atraoui FSA 11 mai 2023 14 / 1

 b. Cas d’une variable continue :Pour calculer un quartile Qj , on le situe d’abord à l0
intérieur d’une classe [xi , xi+1 [ .
j
xi 6 Qj < xi+1 ⇔ F (xi ) 6 < F (xi+1 )
4
Les quartiles Q1 , Q2 , Q3 sont les valeurs pour lesquels les fréquences cumulées sont
respectivement 0.25, 0.50, 0.75 ou les effectifs cumulés sont respectivement
N N 3N
, , .
4 2 4

M.Atraoui FSA 11 mai 2023 14 / 1

 b. Cas d’une variable continue :Pour calculer un quartile Qj , on le situe d’abord à l0
intérieur d’une classe [xi , xi+1 [ .
j
xi 6 Qj < xi+1 ⇔ F (xi ) 6 < F (xi+1 )
4
Les quartiles Q1 , Q2 , Q3 sont les valeurs pour lesquels les fréquences cumulées sont
respectivement 0.25, 0.50, 0.75 ou les effectifs cumulés sont respectivement
N N 3N
, , .
4 2 4
1 N
− Fi−1 − Ni−1
Q1 = Borneinfi + ai 4 ou Q1 = Borneinfi + ai 4
fi ni

M.Atraoui FSA 11 mai 2023 14 / 1

 b. Cas d’une variable continue :Pour calculer un quartile Qj , on le situe d’abord à l0
intérieur d’une classe [xi , xi+1 [ .
j
xi 6 Qj < xi+1 ⇔ F (xi ) 6 < F (xi+1 )
4
Les quartiles Q1 , Q2 , Q3 sont les valeurs pour lesquels les fréquences cumulées sont
respectivement 0.25, 0.50, 0.75 ou les effectifs cumulés sont respectivement
N N 3N
, , .
4 2 4
1 N
− Fi−1 − Ni−1
Q1 = Borneinfi + ai 4 ou Q1 = Borneinfi + ai 4
fi ni

1 N
2
− Fi−1 2
− Ni−1
Q2 = Borneinfi + ai ou Q2 = Borneinfi + ai
fi ni

M.Atraoui FSA 11 mai 2023 14 / 1

 b. Cas d’une variable continue :Pour calculer un quartile Qj , on le situe d’abord à l0
intérieur d’une classe [xi , xi+1 [ .
j
xi 6 Qj < xi+1 ⇔ F (xi ) 6 < F (xi+1 )
4
Les quartiles Q1 , Q2 , Q3 sont les valeurs pour lesquels les fréquences cumulées sont
respectivement 0.25, 0.50, 0.75 ou les effectifs cumulés sont respectivement
N N 3N
, , .
4 2 4
1 N
− Fi−1 − Ni−1
Q1 = Borneinfi + ai 4 ou Q1 = Borneinfi + ai 4
fi ni

1 N
2
− Fi−1 2
− Ni−1
Q2 = Borneinfi + ai ou Q2 = Borneinfi + ai
fi ni

3 3N
4
− Fi−1 4
− Ni−1
Q3 = Borneinfi + ai ou Q3 = Borneinfi + ai
fi ni

M.Atraoui FSA 11 mai 2023 14 / 1

 b. Cas d’une variable continue :Pour calculer un quartile Qj , on le situe d’abord à l0
intérieur d’une classe [xi , xi+1 [ .
j
xi 6 Qj < xi+1 ⇔ F (xi ) 6 < F (xi+1 )
4
Les quartiles Q1 , Q2 , Q3 sont les valeurs pour lesquels les fréquences cumulées sont
respectivement 0.25, 0.50, 0.75 ou les effectifs cumulés sont respectivement
N N 3N
, , .
4 2 4
1 N
− Fi−1 − Ni−1
Q1 = Borneinfi + ai 4 ou Q1 = Borneinfi + ai 4
fi ni

1 N
2
− Fi−1 2
− Ni−1
Q2 = Borneinfi + ai ou Q2 = Borneinfi + ai
fi ni

3 3N
4
− Fi−1 4
− Ni−1
Q3 = Borneinfi + ai ou Q3 = Borneinfi + ai
fi ni

M.Atraoui FSA 11 mai 2023 14 / 1

 Definition
L’intervalle inter-quartile (IIQ) est l’intervalle [Q1 , Q3 ] :

M.Atraoui FSA 11 mai 2023 15 / 1

 Definition
L’intervalle inter-quartile (IIQ) est l’intervalle [Q1 , Q3 ] :

IIQ = [Q1 , Q3 ]

M.Atraoui FSA 11 mai 2023 15 / 1

 Definition
L’intervalle inter-quartile (IIQ) est l’intervalle [Q1 , Q3 ] :

IIQ = [Q1 , Q3 ]

Tant que l’amplitude de cette intervalle est petite tant que la dispersion est faible et
inversement

M.Atraoui FSA 11 mai 2023 15 / 1

 Definition
L’intervalle inter-quartile (IIQ) est l’intervalle [Q1 , Q3 ] :

IIQ = [Q1 , Q3 ]

Tant que l’amplitude de cette intervalle est petite tant que la dispersion est faible et
inversement

Definition
L’écart inter-quartile (EIQ) est la différence entre le troisième quartile et le premier
quartile :

M.Atraoui FSA 11 mai 2023 15 / 1

 Definition
L’intervalle inter-quartile (IIQ) est l’intervalle [Q1 , Q3 ] :

IIQ = [Q1 , Q3 ]

Tant que l’amplitude de cette intervalle est petite tant que la dispersion est faible et
inversement

Definition
L’écart inter-quartile (EIQ) est la différence entre le troisième quartile et le premier
quartile :

EIQ = Q3 − Q1

M.Atraoui FSA 11 mai 2023 15 / 1

 Definition
L’intervalle inter-quartile (IIQ) est l’intervalle [Q1 , Q3 ] :

IIQ = [Q1 , Q3 ]

Tant que l’amplitude de cette intervalle est petite tant que la dispersion est faible et
inversement

Definition
L’écart inter-quartile (EIQ) est la différence entre le troisième quartile et le premier
quartile :

EIQ = Q3 − Q1

S’interprète de la même façon que l’étendu

M.Atraoui FSA 11 mai 2023 15 / 1

 L’écart absolu moyen

M.Atraoui FSA 11 mai 2023 16 / 1

 L’écart absolu moyen

Les ecarts absolus moyennes ce sont des moyennes des ecarts absolus par rapport à
une valeur de tendance centrale

M.Atraoui FSA 11 mai 2023 16 / 1

 L’écart absolu moyen

Les ecarts absolus moyennes ce sont des moyennes des ecarts absolus par rapport à
une valeur de tendance centrale

Definition
k
1 X
E.A.MT C = | ci − T C |
N i=1

M.Atraoui FSA 11 mai 2023 16 / 1

 L’écart absolu moyen

Les ecarts absolus moyennes ce sont des moyennes des ecarts absolus par rapport à
une valeur de tendance centrale

Definition
k
1 X
E.A.MT C = | ci − T C |
N i=1

Les écarts absolus moyens sont de trois types :

M.Atraoui FSA 11 mai 2023 16 / 1

 L’écart absolu moyen

Les ecarts absolus moyennes ce sont des moyennes des ecarts absolus par rapport à
une valeur de tendance centrale

Definition
k
1 X
E.A.MT C = | ci − T C |
N i=1

Les écarts absolus moyens sont de trois types :

k
1 X
E.A.MX = | ci − X |
N i=1

M.Atraoui FSA 11 mai 2023 16 / 1

 L’écart absolu moyen

Les ecarts absolus moyennes ce sont des moyennes des ecarts absolus par rapport à
une valeur de tendance centrale

Definition
k
1 X
E.A.MT C = | ci − T C |
N i=1

Les écarts absolus moyens sont de trois types :

k
1 X
E.A.MX = | ci − X |
N i=1
k
1 X
E.A.MMe = | ci − M e |
N i=1

M.Atraoui FSA 11 mai 2023 16 / 1

 L’écart absolu moyen

Les ecarts absolus moyennes ce sont des moyennes des ecarts absolus par rapport à
une valeur de tendance centrale

Definition
k
1 X
E.A.MT C = | ci − T C |
N i=1

Les écarts absolus moyens sont de trois types :

k
1 X
E.A.MX = | ci − X |
N i=1
k
1 X
E.A.MMe = | ci − M e |
N i=1
k
1 X
E.A.MM0 = | ci − M 0 |
N i=1

M.Atraoui FSA 11 mai 2023 16 / 1

 L’écart absolu moyen

Les ecarts absolus moyennes ce sont des moyennes des ecarts absolus par rapport à
une valeur de tendance centrale

Definition
k
1 X
E.A.MT C = | ci − T C |
N i=1

Les écarts absolus moyens sont de trois types :

k
1 X
E.A.MX = | ci − X |
N i=1
k
1 X
E.A.MMe = | ci − M e |
N i=1
k
1 X
E.A.MM0 = | ci − M 0 |
N i=1

M.Atraoui FSA 11 mai 2023 16 / 1

 Ce qu’on utilise pour caractériser la dispersion c’est le rapport entre l’écart absolu
moyen et la tendance centrale par rapport à laquelle l’écart absolu moyen a été
calculé, le résultat obtenu s’interprète de la manière suivante :

M.Atraoui FSA 11 mai 2023 17 / 1

 Ce qu’on utilise pour caractériser la dispersion c’est le rapport entre l’écart absolu
moyen et la tendance centrale par rapport à laquelle l’écart absolu moyen a été
calculé, le résultat obtenu s’interprète de la manière suivante :tant que le rapport tend
vers 0 tant que la dispersion est faible , elle est forte si le rapport s’écarte de 0

M.Atraoui FSA 11 mai 2023 17 / 1

 Ce qu’on utilise pour caractériser la dispersion c’est le rapport entre l’écart absolu
moyen et la tendance centrale par rapport à laquelle l’écart absolu moyen a été
calculé, le résultat obtenu s’interprète de la manière suivante :tant que le rapport tend
vers 0 tant que la dispersion est faible , elle est forte si le rapport s’écarte de 0

Remarque
Parmi les écarts absolus moyens le plus utilisé est celui calculé par rapport à la
moyenne

M.Atraoui FSA 11 mai 2023 17 / 1

 Ce qu’on utilise pour caractériser la dispersion c’est le rapport entre l’écart absolu
moyen et la tendance centrale par rapport à laquelle l’écart absolu moyen a été
calculé, le résultat obtenu s’interprète de la manière suivante :tant que le rapport tend
vers 0 tant que la dispersion est faible , elle est forte si le rapport s’écarte de 0

Remarque
Parmi les écarts absolus moyens le plus utilisé est celui calculé par rapport à la
moyenne

L’écart absolu moyen Em est donné par les formules suivantes :

Pn
i=1 | xi − X |
Em =
n

M.Atraoui FSA 11 mai 2023 17 / 1

 Ce qu’on utilise pour caractériser la dispersion c’est le rapport entre l’écart absolu
moyen et la tendance centrale par rapport à laquelle l’écart absolu moyen a été
calculé, le résultat obtenu s’interprète de la manière suivante :tant que le rapport tend
vers 0 tant que la dispersion est faible , elle est forte si le rapport s’écarte de 0

Remarque
Parmi les écarts absolus moyens le plus utilisé est celui calculé par rapport à la
moyenne

L’écart absolu moyen Em est donné par les formules suivantes :

Pn
i=1 | xi − X |
Em = (1)
n
Pn
i=1 ni . | xi − X |
Em = Pn
i=1 ni

M.Atraoui FSA 11 mai 2023 17 / 1

 Ce qu’on utilise pour caractériser la dispersion c’est le rapport entre l’écart absolu
moyen et la tendance centrale par rapport à laquelle l’écart absolu moyen a été
calculé, le résultat obtenu s’interprète de la manière suivante :tant que le rapport tend
vers 0 tant que la dispersion est faible , elle est forte si le rapport s’écarte de 0

Remarque
Parmi les écarts absolus moyens le plus utilisé est celui calculé par rapport à la
moyenne

L’écart absolu moyen Em est donné par les formules suivantes :

Pn
i=1 | xi − X |
Em = (1)
n
Pn
i=1 ni . | xi − X |
Em = Pn (2)
i=1 ni
n
X
Em = fi . | x i − X |
i=1

M.Atraoui FSA 11 mai 2023 17 / 1

 Ce qu’on utilise pour caractériser la dispersion c’est le rapport entre l’écart absolu
moyen et la tendance centrale par rapport à laquelle l’écart absolu moyen a été
calculé, le résultat obtenu s’interprète de la manière suivante :tant que le rapport tend
vers 0 tant que la dispersion est faible , elle est forte si le rapport s’écarte de 0

Remarque
Parmi les écarts absolus moyens le plus utilisé est celui calculé par rapport à la
moyenne

L’écart absolu moyen Em est donné par les formules suivantes :

Pn
i=1 | xi − X |
Em = (1)
n
Pn
i=1 ni . | xi − X |
Em = Pn (2)
i=1 ni
n
X
Em = fi . | x i − X | (3)
i=1

M.Atraoui FSA 11 mai 2023 17 / 1

 Variance,écart-type :

M.Atraoui FSA 11 mai 2023 18 / 1

 Variance,écart-type : Soit X = {(xi , ni ) , 1 6 i 6 k} une variable statistique
réelle.

M.Atraoui FSA 11 mai 2023 18 / 1

 Variance,écart-type : Soit X = {(xi , ni ) , 1 6 i 6 k} une variable statistique
réelle.

Definition
La variance, notée V (X), est la moyenne arithmétique des carrés des écarts à la
moyenne arithmétique :

M.Atraoui FSA 11 mai 2023 18 / 1

 Variance,écart-type : Soit X = {(xi , ni ) , 1 6 i 6 k} une variable statistique
réelle.

Definition
La variance, notée V (X), est la moyenne arithmétique des carrés des écarts à la
moyenne arithmétique :
k
1 X
2
V (X) = ni xi − X̄
N i=1

M.Atraoui FSA 11 mai 2023 18 / 1

 Variance,écart-type : Soit X = {(xi , ni ) , 1 6 i 6 k} une variable statistique
réelle.

Definition
La variance, notée V (X), est la moyenne arithmétique des carrés des écarts à la
moyenne arithmétique :
k
1 X
2
V (X) = ni xi − X̄
N i=1

Definition
L’écart-type, notée σ(X), est la racine carrée de la variance :

M.Atraoui FSA 11 mai 2023 18 / 1

 Variance,écart-type : Soit X = {(xi , ni ) , 1 6 i 6 k} une variable statistique
réelle.

Definition
La variance, notée V (X), est la moyenne arithmétique des carrés des écarts à la
moyenne arithmétique :
k
1 X
2
V (X) = ni xi − X̄
N i=1

Definition
L’écart-type, notée σ(X), est la racine carrée de la variance :
p
σ(X) = V (X)

M.Atraoui FSA 11 mai 2023 18 / 1

 Variance,écart-type : Soit X = {(xi , ni ) , 1 6 i 6 k} une variable statistique
réelle.

Definition
La variance, notée V (X), est la moyenne arithmétique des carrés des écarts à la
moyenne arithmétique :
k
1 X
2
V (X) = ni xi − X̄
N i=1

Definition
L’écart-type, notée σ(X), est la racine carrée de la variance :
p
σ(X) = V (X)

L’écart-type est donc la moyenne quadratique des écarts à la moyenne arithmétique.

M.Atraoui FSA 11 mai 2023 18 / 1

 Variance,écart-type : Soit X = {(xi , ni ) , 1 6 i 6 k} une variable statistique
réelle.

Definition
La variance, notée V (X), est la moyenne arithmétique des carrés des écarts à la
moyenne arithmétique :
k
1 X
2
V (X) = ni xi − X̄
N i=1

Definition
L’écart-type, notée σ(X), est la racine carrée de la variance :
p
σ(X) = V (X)

L’écart-type est donc la moyenne quadratique des écarts à la moyenne arithmétique.

M.Atraoui FSA 11 mai 2023 18 / 1

 Cas d’une variable continue :

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2
la variance V (X) de X est donnée par :

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2
la variance V (X) de X est donnée par :

k
1 X
2
V (X) = ni ci − X̄
N i=1

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2
la variance V (X) de X est donnée par :

k
1 X
2
V (X) = ni ci − X̄
N i=1

Remarque
- L’écart-type (ou La variance) est un indicateur de la dispersion d’une série par rapport
à sa moyenne. Plus il est élevé, plus la dispersion autour de la moyenne est élevée.

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2
la variance V (X) de X est donnée par :

k
1 X
2
V (X) = ni ci − X̄
N i=1

Remarque
- L’écart-type (ou La variance) est un indicateur de la dispersion d’une série par rapport
à sa moyenne. Plus il est élevé, plus la dispersion autour de la moyenne est élevée.
- Contrairement à l’étendue et aux quartiles, la variance et l’écart-type tiennent compte
de toutes les valeurs d’une série statistique.

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2
la variance V (X) de X est donnée par :

k
1 X
2
V (X) = ni ci − X̄
N i=1

Remarque
- L’écart-type (ou La variance) est un indicateur de la dispersion d’une série par rapport
à sa moyenne. Plus il est élevé, plus la dispersion autour de la moyenne est élevée.
- Contrairement à l’étendue et aux quartiles, la variance et l’écart-type tiennent compte
de toutes les valeurs d’une série statistique.
- Si la variance (ou l’écart-type) est faible, cela signifie que les valeurs sont assez
concentrées autour de la moyenne.

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2
la variance V (X) de X est donnée par :

k
1 X
2
V (X) = ni ci − X̄
N i=1

Remarque
- L’écart-type (ou La variance) est un indicateur de la dispersion d’une série par rapport
à sa moyenne. Plus il est élevé, plus la dispersion autour de la moyenne est élevée.
- Contrairement à l’étendue et aux quartiles, la variance et l’écart-type tiennent compte
de toutes les valeurs d’une série statistique.
- Si la variance (ou l’écart-type) est faible, cela signifie que les valeurs sont assez
concentrées autour de la moyenne.
- Si la variance (ou l’écart-type) est élevé, cela veut dire au contraire que les valeurs
sont plus dispersées autour de la moyenne.

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2
la variance V (X) de X est donnée par :

k
1 X
2
V (X) = ni ci − X̄
N i=1

Remarque
- L’écart-type (ou La variance) est un indicateur de la dispersion d’une série par rapport
à sa moyenne. Plus il est élevé, plus la dispersion autour de la moyenne est élevée.
- Contrairement à l’étendue et aux quartiles, la variance et l’écart-type tiennent compte
de toutes les valeurs d’une série statistique.
- Si la variance (ou l’écart-type) est faible, cela signifie que les valeurs sont assez
concentrées autour de la moyenne.
- Si la variance (ou l’écart-type) est élevé, cela veut dire au contraire que les valeurs
sont plus dispersées autour de la moyenne.
- La variance (ou l’écart-type) est nulle si et seulement si toutes les valeurs sont
identiques et égales à la moyenne.

M.Atraoui FSA 11 mai 2023 19 / 1

 Cas d’une variable continue : Dans l’hypothèse où toutes les observations sont
concentrées au milieu de la classe
xi + xi+1
ci =
2
la variance V (X) de X est donnée par :

k
1 X
2
V (X) = ni ci − X̄
N i=1

Remarque
- L’écart-type (ou La variance) est un indicateur de la dispersion d’une série par rapport
à sa moyenne. Plus il est élevé, plus la dispersion autour de la moyenne est élevée.
- Contrairement à l’étendue et aux quartiles, la variance et l’écart-type tiennent compte
de toutes les valeurs d’une série statistique.
- Si la variance (ou l’écart-type) est faible, cela signifie que les valeurs sont assez
concentrées autour de la moyenne.
- Si la variance (ou l’écart-type) est élevé, cela veut dire au contraire que les valeurs
sont plus dispersées autour de la moyenne.
- La variance (ou l’écart-type) est nulle si et seulement si toutes les valeurs sont
identiques et égales à la moyenne.

M.Atraoui FSA 11 mai 2023 19 / 1

 Pour simplifier le calcul de la variance on peut utiliser la formule de König ou la formule
développée de la variance :

M.Atraoui FSA 11 mai 2023 20 / 1

 Pour simplifier le calcul de la variance on peut utiliser la formule de König ou la formule
développée de la variance : V (X) = X 2 − X̄ 2 La variance est égale à la différence
entre la moyenne des carrées et le carré de la moyenne.

M.Atraoui FSA 11 mai 2023 20 / 1

 Pour simplifier le calcul de la variance on peut utiliser la formule de König ou la formule
développée de la variance : V (X) = X 2 − X̄ 2 La variance est égale à la différence
entre la moyenne des carrées et le carré de la moyenne.

Propriété
soit a et b deux constantes réelles posons yi = axi + b alors on a :

M.Atraoui FSA 11 mai 2023 20 / 1

 Pour simplifier le calcul de la variance on peut utiliser la formule de König ou la formule
développée de la variance : V (X) = X 2 − X̄ 2 La variance est égale à la différence
entre la moyenne des carrées et le carré de la moyenne.

Propriété
soit a et b deux constantes réelles posons yi = axi + b alors on a :
1 V (Y ) = a2 V (X)

M.Atraoui FSA 11 mai 2023 20 / 1

 Pour simplifier le calcul de la variance on peut utiliser la formule de König ou la formule
développée de la variance : V (X) = X 2 − X̄ 2 La variance est égale à la différence
entre la moyenne des carrées et le carré de la moyenne.

Propriété
soit a et b deux constantes réelles posons yi = axi + b alors on a :
1 V (Y ) = a2 V (X)
2 σ(Y ) =| a | σ(X)

M.Atraoui FSA 11 mai 2023 20 / 1

 Pour simplifier le calcul de la variance on peut utiliser la formule de König ou la formule
développée de la variance : V (X) = X 2 − X̄ 2 La variance est égale à la différence
entre la moyenne des carrées et le carré de la moyenne.

Propriété
soit a et b deux constantes réelles posons yi = axi + b alors on a :
1 V (Y ) = a2 V (X)
2 σ(Y ) =| a | σ(X)
3 V (aX) = a2 V (X)

M.Atraoui FSA 11 mai 2023 20 / 1

 Pour simplifier le calcul de la variance on peut utiliser la formule de König ou la formule
développée de la variance : V (X) = X 2 − X̄ 2 La variance est égale à la différence
entre la moyenne des carrées et le carré de la moyenne.

Propriété
soit a et b deux constantes réelles posons yi = axi + b alors on a :
1 V (Y ) = a2 V (X)
2 σ(Y ) =| a | σ(X)
3 V (aX) = a2 V (X)
4 V (X + b) = V (X)

M.Atraoui FSA 11 mai 2023 20 / 1

 Pour simplifier le calcul de la variance on peut utiliser la formule de König ou la formule
développée de la variance : V (X) = X 2 − X̄ 2 La variance est égale à la différence
entre la moyenne des carrées et le carré de la moyenne.

Propriété
soit a et b deux constantes réelles posons yi = axi + b alors on a :
1 V (Y ) = a2 V (X)
2 σ(Y ) =| a | σ(X)
3 V (aX) = a2 V (X)
4 V (X + b) = V (X)

M.Atraoui FSA 11 mai 2023 20 / 1