Chapitre 2

Étude d’une variable statistique

discrète

Le caractère statistique (ou variable statistique, dénotée V.S) peut prendre un nombre
fini raisonnable de valeurs (note, nombre d’enfants, nombre de pièces, ...). Dans ce cas, le
caractère statistique étudié est alors appelé un caractère discret.

Dans toute la suite du chapitre, nous considérons la situation suivante :

X : Ω → {x1, x2, ..., xn},

avec Card(Ω) := N est le nombre d’individus dans notre étude.

Nous allons utiliser souvent l’exemple ci-dessous pour illustrer les énoncés de ce
cha-pitre.

Exemple 8
Une enquête réalisée dans un village porte sur le nombre d’enfants à charge par famille.
On note X le nombre d’enfants, les résultats sont données par ce tableau :

xi 0 1 2 3 4 5 6

ni (Effectif) 18 32 66 41 32 9 2
Nous avons
– Ω ensemble des familles.
– ω une famille.
– X nombre d’enfants par famille

X:ω→X(ω).
12 2.1. EFFECTIF PARTIEL - EFFECTIF CUMULÉ

On lit, à la famille ω, on associe X(ω) = le nombre d’enfants de cette famille.

2.1 Effectif partiel - effectif cumulé

On étudie ici un caractère statistique numérique représenté par une suite xi

décrivant la valeur du caractère avec i varie de 1 à k.

2.1.1 Effectif partiel (fréquence absolue)

Définition 7
Pour chaque valeur xi, on pose par définition

ni = Card{ω ∈ Ω : X(ω) = xi}.

ni : le nombre d’individus qui ont le même xi, ça s’appelle effectif partiel de xi.

ni w
xi

Figure 2.1: Le nombre d’individus qui prennent la valeur xi.

Exemple 9
Dans l’exemple 8, on a 66 est le nombre de familles qui ont 2 enfants.

xi ··· 2 ···

ni (Effectif) · · · 66 · · ·
2.2. FRÉQUENCE PARTIELLE - FRÉQUENCE CUMULÉE 13

2.1.2 Effectif cumulé

Définition 8
Pour chaque valeur xi, on pose par définition

Ni = n1 + n2 + ... + ni.

L’effectif cumulé Ni d’une valeur est la somme de l’effectif de cette valeur et de tous
les effectifs des valeurs qui précèdent.

Exemple 10
Dans l’exemple 8, on a 50 est le nombre de familles qui ont un nombre d’enfants
inférieur à 1. Nous le regardons dans le tableau suivant :

xi 0 1 2 3 4 5 6
N
i 18 50 116 157 189 198 200

Interprétation : Ni est le nombre d’individus dont la valeur du caractère est

inférieur ou égale à xi. De ce fait, l’effectif total est donné par

X
n
N = card{Ω) = ni.
i=1

Dans notre exemple précédent, nous avons N = 200.

2.2 Fréquence partielle - Fréquence cumulée

Typiquement les effectifs ni sont grands et il est intéressant de calculer des

grandeurs permettant de résumer la série.

2.2.1 Fréquence partielle (fréquence relative)

Définition 9
Pour chaque valeur xi, on pose par définition

ni
fi := N .
14 2.2. FRÉQUENCE PARTIELLE - FRÉQUENCE CUMULÉE

fi s’appelle la fréquence partielle de xi. La fréquence d’une valeur est le rapport de

l’effectif de cette valeur par l’effectif total.

Remarque 3
On peut remplacer fi par fi × 100 qui représente alors un pourcentage.

Interprétation : fi = est le pourcentage des ω tel que X(ω) = xi.

Exemple 11
Dans l’exemple précédent, 0, 33 := il y a 33% de familles dont le nombre d’enfants
égale à 2. Ce pourcentage est calculé de la façon suivante (N = 200) :

x
i ··· 2 ···

ni (Effectif) ··· 66 ···

66
fi (fréquence) ··· 200 = 0.33 · · ·

Nous pouvons conclure la propriété suivante.

Proposition 1
Soit fi défini comme précédemment. Alors,

n
X

fi = 1.
i=1

Démonstration. Rappelons que

n
X

ni = N.
i=1

Ce qui implique que

n
n fi = n i =1 n ni = 1.
X X X

i=1 i=1
N N i=1
2.2. FRÉQUENCE PARTIELLE - FRÉQUENCE CUMULÉE 15

2.2.2 Fréquence cumulée

Définition 10
Pour chaque valeur xi, on pose par définition

Fi = f1 + f2 + ... + fi.

La quantité Fi s’appelle la fréquence cumulée de xi.

Interprétation : Fi = est le pourcentage des ω tel que la valeur X(ω) est inférieure
ou égale à xi.

Exemple 12
- Dans l’exemple précédent, 0.785 représente 78.5% de familles dont le nombre
d’en-fants est inférieur ou égale à 3.
- Dans un deuxième exemple, nous nous intéressons aux nombres d’erreurs
d’assem-blage sur un ensemble d’appareils,

Nombre d’erreurs Nombre d’appareils Fréquences cumulées

0 101 0.26

1 140 0.61

2 92 0.84

3 42 0.94

4 18 0.99

5 3 1

Nous avons 94% des appareils qui ont un nombre d’erreurs d’assemblage inférieur
ou égale à 3.

Nous avons vu que les tableaux sont un moyen souvent indispensable, en tous cas
très utile, de classification et de présentation des unités d’une population statistique.
Dans le pa-ragraphe suivant, nous allons voir comment on traduit ses tableaux en
graphique permettant aussi de résumer d’une manière visuelle les données.

16 2.3. REPRÉSENTATION GRAPHIQUE DES SÉRIES STATISTIQUES

2.3 Représentation graphique des séries statistiques

On distingue les méthodes de représentation d’une variable statistique en fonction

de la nature de cette variable (qualitative ou quantitative). Les représentations
recommandées et les plus fréquentes sont les tableaux et les diagrammes (graphe).
Le graphique est un support visuel qui permet :

La synthèse : visualiser d’un seul coup d’œil les principales caractéristiques (mais on
perd une quantité d’informations), voir Figure 2.2.

Figure 2.2: Quelques caractéristiques du graphique

La découverte : met en évidence les tendances.

Le contrôle : on aperçoit mieux les anomalies sur un graphique que dans un tableau.
La recherche des régularités : régularité dans le mouvement, répétition du phéno-
mène.

2.3.1 Distribution à caractère qualitatif

A partir de l’observation d’une variable qualitative, deux diagrammes permettent de

représenter cette variable : le diagramme en bandes (dit tuyaux d’orgue) et le
diagramme à secteurs angulaires (dit camembert).

2.3. REPRÉSENTATION GRAPHIQUE DES SÉRIES STATISTIQUES 17

Tuyaux d’orgues
 Nous portons en abscisses les modalités, de façon arbitraire. Nous portons en
ordonnées des rectangles dont la longueur est proportionnelle aux effectifs, ou aux
fréquences, de chaque modalité (voir Figure 2.3).

Figure 2.3: Tuyaux d’orgues

Diagramme par secteur (diagramme circulaire)

Les diagrammes circulaires, ou semi-circulaires, consistent à partager un disque ou un

demi-disque, en tranches, ou secteurs, correspondant aux modalités observées et dont la
surface est proportionnelle à l’effectif, ou à la fréquence, de la modalité (voir Figure 2.4).

Figure 2.4: Diagramme par secteur

Le degré d’un secteur est déterminé à l’aide de la règle de trois de la manière suivante :

◦
N −→ 360

ni −→ di (degré de la modalité i).

18 2.3. REPRÉSENTATION GRAPHIQUE DES SÉRIES STATISTIQUES

Donc,
n 360
di = i× .
N

2.3.2 Distribution à caractère quantitatif discret

A partir de l’observation d’une variable quantitative discrète, deux diagrammes per-

mettent de représenter cette variable : le diagramme en bâtons et le diagramme
cumulatif (voir ci-dessous).
Pour l’illustration, nous prenons l’exemple précédent de départ (nombre d’enfants
par famille). Nous rappelons le tableau statistique associe.

xi 0 1 2 3 4 5 6
ni 18 32 66 41 32 9 2

Diagramme à bâtons

On veut représenter cette répartition sous la forme d’un diagramme en bâtons. À

chaque marque correspond un bâton. Les hauteurs des bâtons sont proportionnelles
aux effectifs représentés (voir Figure 2.5).

Figure 2.5: Diagramme à bâtons

2.3.3 Représentation sous forme de courbe et fonction de répartition

Nous avons déjà abordé les distributions cumulées d’une variable statistique. Nous
allons dans cette partie exploiter ses valeurs cumulées pour introduire la notion de la
fonction de répartition. Cette notion ne concerne que les variables quantitatives.
2.3. REPRÉSENTATION GRAPHIQUE DES SÉRIES STATISTIQUES 19

Soit la fonction Fx : R → [0, 1] définie par

Fx(x) := pourcentage des individus dont la valeur du caractère est ≤ x.

Cette fonction s’appelle la fonction de répartition du caractère X.

Remarque 4
Pour tout i ∈ {1, . . . , n}, on a
Fx(xi) = Fi.

La courbe de Fx passe par les points (x1, F1), (x2, F2), ... et (xn, Fn).

En se basant sur notre exemple, la courbe de Fx est représentée ci-dessous (Figure 2.6)
sur
R =] − ∞, 0[ ∪ [0, 1[ ∪ .... ∪ [6, +∞[.

Dans ce cas, nous avons

– Si x < 0, alors Fx(x) = 0.

– Si x ∈ [0, 1[, alors Fx(x) = 0.09.

...

– Si x ≥ 6, alors Fx(x) = 1.
Cette courbe s’appelle "la courbe cumulative des fréquences". La courbe cumulative est
une courbe en escalier représentant les fréquences cumulées relatives.

Figure 2.6: Représentation d’une variable quantitative discrète par la courbe cumulative.
20 2.4. PARAMÈTRES DE POSITION

Proposition 2
La fonction de répartition satisfait, pour i ∈ {1, . . . , n},

– l’égalité, Fx(xi) = Fi,

0, si x < x1,

F , si x x<x,
1 1 2
F x ≤
– l’expression, x( )= .

F , i
si xi ≤ x < x i+1 ,

, si x x .
1 n
≥

2.4 Paramètres de position (caractéristique de tendance cen-

trale)

Les indicateurs statistiques de tendance centrale (dits aussi de position) considérés

fréquemment sont la moyenne, la médiane et le mode.

Le mode

Le mode d’une V.S est la valeur qui a le plus grand effectif partiel (ou la plus
grande fréquence partielle) et il est dénoté par Mo.

Exemple 13
Dans l’exemple 8, le mode est égal à 2 qui correspondant au plus grand effectif.
2.4. PARAMÈTRES DE POSITION 21

Remarque 5
On peut avoir plus d’un mode ou rien.

La médiane

On appelle médiane la valeur Me de la V.S X qui vérifie la relation suivante :

− +
Fx(M e ) < 0.5 ≤ Fx(M e ) = Fx(M e).

La médiane partage la série statistique en deux groupes de même effectif.

Exemple 14
Dans l’exemple 8, la relation

+
Fx(0) = 0 < 0.5 ≤ Fx(0 ) = 0.09

n’est pas satisfaite. Donc, la médiane est différente de 0. Par contre, nous avons

− +
Fx(2 ) = 0.25 < 0.5 ≤ Fx(2 ) = F (2) = 0.58.

Donc, M e = 2.

La moyenne

On appelle moyenne de X, la quantité

1
x= n nixi = n fixi,
X X

N i=1 i=1

avec N = Card(Ω). On peut donc exprimer et calculer la moyenne dite "arithmétique"

avec des effectifs ou avec des fréquences.

Exemple 15
Si x = 2.46, alors nous avons au moyenne une famille de quartier a 2.46 d’enfants.

La valeur de la moyenne est abstraite. Comme dans l’exemple précédent, x = 2.46

est un chiffre qui ne correspond pas à un fait concret.
22 2.5. PARAMÈTRES DE DISPERSION (VARIABILITÉ)

La moyenne arithmétique dont on vient d’indiquer la formule est dite moyenne pon-
dérée ; cela signifie que chaque valeur de la variable est multipliée (pondérée) par un
coef-ficient, ici par l’effectif ni qui lui correspond. Dans ce cas, chaque valeur xi de la
variable intervient dans le calcul de la moyenne autant de fois qu’elle a été observée. On
parle de moyenne arithmétique simple quand on n’effectue pas de pondération. Par
exemple, si 5 étudiants ont pour âge respectif 18, 19, 20, 21 et 22 ans, leur âge moyen
est donné par (18 + 19 + 20 + 21 + 22)/5 = 20 ans.

Remarque 6
Nous mentionnons qu’il existe d’autres moyennes que la moyenne arithmétique

2.5 Paramètres de dispersion (variabilité)

Les indicateurs statistiques de dispersion usuels sont l’étendue, la variance et l’écart-

type.

L’étendue

La différence entre la plus grande valeur et la plus petite valeur du caractère,

donnée par la quantité

e =x
max
−x
min
,

s’appelle l’étendue de la V.S X. Le calcul de l’étendue est très simple. Il donne une
première idée de la dispersion des observations. C’est un indicateur très rudimentaire et
il existe des indicateurs de dispersion plus élaborés (voir ci-dessous).

La variance

On appelle variance de cette série statistique X, le nombre

n
2
X

V ar(X) = fi(x − xi)

i=1

On dit que la variance est la moyenne des carrés des écarts à la moyenne x. Les «
écarts à la moyenne » sont les (x −xi), les « carrés des écarts à la moyenne » sont donc
2
les (x −xi) . En faisant la moyenne de ces écarts, on trouve la variance.
Le théorème suivant (Théorème de König-Huygens) donne une identité remarquable
re-liant la variance et la moyenne, parfois plus pratique dans le calcule de la variance.
2.5. PARAMÈTRES DE DISPERSION (VARIABILITÉ) 23

Théorème 1
Soit (xi, ni) une série statistique de moyenne x et de variance V ar(X). Alors,

n
2 2
X

V ar(X) = f ix i − x .
i=1

Démonstration. Par définition, nous avons

2
V ar(X) = fi(x − xi) =N ni(x − xi)2 =
X
n n .
2
n 1 n ni( x − xi)
i=1
X X ni
X
i=1 i=1
i=1

Donc,
X
n X
n n .
2 2
V ar(X) = n =

ni( x − xi) ni( x 2 + xi − 2 xxi)

i=1 i=1
X X
ni ni
i=1 i=1

Par égalité, nous avons

n n n
X X X
2
ni x 2 nix i
2ni xxi
i=1
V ar(X) = n + i=1n − i=1
n .
X X X

ni ni ni
i=1 i=1 i=1

Ce qui implique que

2 n X 2 2
2
nixi 1 n
i=1
V ar(X) = x + n
ni X − 2xx = −x +
N i=1
nx .
i i

X
i=1

Remarque 7
Dans l’utilisation de la formule du théorème précédent, il faut veiller à remplacer x
par sa valeur approchée la plus précise possible.
24 2.6. EXERCICES CORRIGÉS

L’écart type

La quantité
q
σX = V ar(x)
s’appelle l’écart type de la V.S X.

Remarque 8
Le paramètre σx mesure la distance moyenne entre x et les valeurs de X (voir Figure
2.7). Il sert à mesurer la dispersion d’une série statistique autour de sa moyenne.
– Plus il est petit, plus les caractères sont concentrés autour de la moyenne
(on dit que la série est homogène).
– Plus il est grand, plus les caractères sont dispersés autour de la moyenne
(on dit que la série est hétérogène).

Figure 2.7: La dispersion d’une série statistique autour de sa moyenne

2.6 Exercices corrigés

Exercice 7
- Le tableau suivant donne la répartition selon le groupe sanguin de 40 individus pris au
hasard dans une population,

Groupes sanguins A B AB O

L’effectif 20 10 n3 5

1. Déterminer la variable statistique et son type.

2. Déterminer l’effectif des personnes ayant un groupe sanguin AB.
3. Donner toutes les représentations graphiques possibles de cette distribution.
2.6. EXERCICES CORRIGÉS 25

Solution 1 - La population dans cette étude est les 40 personnes. Donc N = 40. La
variable statistique est le groupe sanguin des individus et elle est qualitative.

2 - L’effectif total est égal à 40. Par conséquent,

4
X
N = 40 = ni.
i=1

Alors,
20 + 10 + n3 + 5 = 40.

Ce qui implique que n3 = 5.

3- Nous avons deux représentations possibles "Tuyaux d’orgue" et "Diagramme en sec-

teur".
Effectif

20 B
15
A
10 O
5
AB
o ABBA Groupes sanguins

Figure 2.8: A gauche "Tuyaux d’orgue" et à droite "Diagramme en secteur"

Les angles dans la figure 2.8 se calcule en utilisant la règle de trois.

Exercice 8
- Le gérant d’un magasin vendant des articles de consommation courante a relevé pour un
article particulier qui semble connaître une très forte popularité, le nombre d’articles vendus
par jour. Son relevé a porté sur les ventes des mois de Mars et Avril, ce qui correspond à
52 jours de vente. Le relevé des observations se présente comme suit :

7138109121089106147159111211125141181014128

5713121611911111212151451499141311101112915.

1. Quel type est la variable statistique étudiée.

2. Déterminer le tableau statistique en fonction des effectifs, des fréquences, des
effectifs cumulés et des fréquences cumulés.
3. Tracer le diagramme des bâtonnés associé à la variable X.
4. Soit Fx la fonction de répartition. Déterminer Fx.
5. Calculer le mode Mo et la moyenne arithmétique x.
26 2.6. EXERCICES CORRIGÉS

6. Déterminer à partir du tableau puis à partir du graphe, la valeur de la médiane Me.

7. Calculer la variance et l’écart-type.

Solution 1 - La population est les 52 jours et la variable statistique étudiée est le nombre
d’articles vendus par jour. Son type est bien évidement quantitatif discret (nombre).

2 - Le tableau statistique est donné par

xi 5 6 7 8 9 10 11 12 13

ni 3 1 3 4 7 5 8 8 3

fi 3/52 1/52 3/52 4/52 7/52 5 /52 8 /52 8/52 3 /52

Ni 3 4 7 11 18 23 31 39 42

Fi 3/52 4/52 7/52 11/52 18/52 23/52 31/52 39/52 42/52

14 15 16 P
6 3 1 N=52

6 /52 3/52 1/52 1

48 51 52 ?

48/52 51/52 1 ?

3 - L’élaboration du diagramme des bâtonnets de X,

ni ou fi
8

56 78910111213141516 xi

Figure 2.9: Diagramme à bâtons

2.6. EXERCICES CORRIGÉS 27

4 - La fonction de répartition est donnée par

0, si x < 5,
3/52, si 5 x < 6,
≤
4/52, si 6 x < 7,

F x ≤
x( )=

7/52, si 7 x < 8,
.. . .≤
. .
1, si x 16.
≥

5 - Le mode est la valeur de la variable qui a le plus grand e ffectif, c’est à dire, ni = 8.
Donc,
Mo = 11 et Mo = 12.

La moyenne arithmétique est donnée par ;

12 12
1 XX
x= nixi = fixi.
N i=1 i=1

Par conséquent,

1 555
x = 52 (3 × 5 + 1 × 6 + 3 × 7 + ... + 1 × 16) = 52 = 10.67.

6 - La médiane est la valeur de la variable qui divise la population de la série statistique

en deux parties égales. Nous avons,

− 23 + 31
Fx(11 ) = 52 < 0.5 ≤ Fx(11 ) = F (M e) = 52.
Donc, M e = 11.

7 - Nous commençons par la variance,

n
1X 2 2
V ar(X) = N n ix i − x .
i=1

Après calcule, on trouve

V ar(X) = 7.64.

Par conséquent, l’écart type est calculé à partir de

q
σX = V ar(x) = 2.76.
28 2.6. EXERCICES CORRIGÉS

Exercice 9
- On considère deux groupes d’étudiants. Nous relevons leurs notes d’examens dans
les deux tableaux suivants :

Note (groupe A) 8 9 10 11
Effectif 2 2 1 1

Note (groupe B) 6 8 9 13 14
Effectif 2 2 2 1 1

Calculer la moyenne et l’écart type de chaque groupe. Comparer les deux groupes.

Solution Dans un premier temps, nous remarquons que l’effectif total du groupe A est
égal à 6 et celui du groupe B est égal à 8.
En utilisant la formule de la moyenne, nous obtenons

xA = 9.2 et xB = 9.1.

On remarque que les moyennes sont très proches. Peut-on pour autant conclure que
ces deux groupes ont des niveaux identiques ?
Nous répondons à cette question après le calcule des écarts type. Ils sont donnés
par
A B
σX = 1.11 et σX = 2.8.
Nous remarquons que même si les deux groupes ont des moyennes quasiment identiques, le
B A
groupe B est beaucoup plus dispersé que le groupe A car σX > σX . Les étudiants de ce groupe
ont des notes plus irréguliers. On peut dire donc que le groupe B est moins homogènes
que le groupe A. En observant les valeurs du tableau, on voit que c’est cohérent.

Exercice 10
- Un quartier résidentiel comprend 99 unités d’habitation ayant une valeur locative
moyenne de 10000 Da. Deux nouvelles unités d’habitation sont construites dans le
quartier : l’une a une valeur locative de 7000 Da et l’autre, une villa luxueuse, a une
valeur locative de 114000 Da.
– Quelle est la nouvelle moyenne de valeur locative pour le quartier ?
– Pouvait-on s’attendre à de tel résultat ?

Solution - Le nouveau total des mesures de valeur locative est

(99 × 10000) + 7000 + 114000 = 1111000.

2.7. EXERCICES SUPPLÉMENTAIRES 29

Le nouveau total d’individus statistiques est 99 + 2 = 101. La nouvelle moyenne est donc
1111000
= 110000.
101
- On pouvait s’attendre à une augmentation de la moyenne car l’une des deux nouvelles
valeurs est très nettement au dessus de la moyenne initiale.

2.7 Exercices supplémentaires

Exercice 11
- Pour déterminer le type de logement (F 2, F 3, ...) à construire, on étudie 20 familles
selon leur nombre d’enfants. Durant l’expérience, on note les résultats suivants :

1,3,5,5,3,2,4,4,7,0,2,4,3,7,0,5,4,2,3,2

– Déterminer, la population, l’unité (individu), la variable statistique et les modalités.

– Déterminer le tableau statistique avec xi, ni, fi et Fi.

X
Modalité 0 1 2 3 4 5 6 7
ni
Ni
f
i
Fi

Exercice 12
- Voici le tableau des pourcentages obtenu pour la variable " Mode de logement" :

xi "Cité U" "Studio" "Résidence" "Maison" "Autre" TOTAL

% 4.8 16.5 38.6 28.6 11.6 100

Sachant que la taille de l’échantillon N = 189, retrouver les effectifs pour chaque modalité.

Exercice 13
- Au poste de péage, on compte le nombre de voitures se présentant sur une période de
5 min. Sur 100 observations de 5 min, on obtient les résultats suivants :
 30 2.7. EXERCICES SUPPLÉMENTAIRES

Nombre de voitures 1 2 3 4 5 6 7 8 9 10 11 12

Nombre d’observations 2 8 14 20 19 15 9 6 2 3 1 1

1. Construire la table des fréquences et le diagramme en bâtons en fréquences de la

série du nombre de voitures.
2. Calculer la moyenne et l’écart-type de cette série.
3. Déterminer la médiane.

Exercice 14
- Dans une petite localité, on a relevé le nombre de pièces par appartement :

Nombre de pièces 1 2 3 4 5 6 7

Nombre d’appartements 48 72 96 64 39 25 3

Le « nombre de pièces par appartement » est à considérer comme une variable

aléatoire discrète à valeurs entières. (A l’interprétation, il faudra préciser que les « demi
pièces » ne sont pas comptabilisées).
– Déterminer le tableau statistique.
– Tracer le diagramme des bâtonnés et la courbe des fréquences cumulées
associés à la variable statistique.
– Calculer la moyenne et l’écart-type de cette série.
– Déterminer la médiane.

Exercice 15
- Une machine coupe des barres de 12 cm. Mais malheureusement, elle n’est pas bien
réglée et les longueurs varient autour de la valeur attendue. Une étude sur 185 barres
donnent les résultats suivants :

Longueurs en cm 11.5 11.6 11.7 11.8 11.9 12 12.1 12.2 12.3

Effectif 3 15 16 16 18 20 25 25 28

1. Quel type est la variable statistique étudiée.

2. Déterminer le tableau statistique.
3. Tracer le diagramme des bâtonnés et la courbe des fréquences cumulées associés à la
variable statistique.
2.7. EXERCICES SUPPLÉMENTAIRES 31

4. Calculer la moyenne et l’écart type.

Exercice 16
- La répartition en 2016 du nombre de pièces des résidences principales en Algérie
est

Nombre de pièces 1 2 3 4 5 6 et plus

Effectif (×103) 1200 2700 4700 5500 3500 2500

– Donner l’individu de la population statistique étudiée.
– Quelle est la nature de la variable étudiée ?
– Quel outil graphique peut-on utiliser pour représenter cette variable ?

Exercice 17
- On observe le nombre d’arrivées des clients à un bureau de poste pendant
un intervalle de temps donné (disant 10 minutes). En répétant 100 fois cette
observation, on obtient les résultats suivants :

Nombre d’arrivées 1 2 3 4 5 6 Total

Nombre d’observations 15 25 26 20 7 7 100

– Représenter graphiquement ces résultats (pour les effectifs et pour les

fréquences cumulées).
– Calculer la valeur de la moyenne arithmétique, de la médiane, de la
variance et de l’écart type des résultats.

Exercice 18
- On mesure les diamètres de troncs d’arbres d’une même espèce. On étudie
400 échantillons. On obtient les résultats suivants :

Diamètre en cm 25 26 27 28 29 30
Pourcentage 10% 15% 30% 35% 5% 5%

On donne :

(25 × 0.1) + (26 × 0.15) + (27 × 0.3) + (28 × 0.35) + (29 × 0.05) + (30 × 0.05)
= 27.25.
2 2 2 2 2 2
(25 × 0.1) + (26 × 0.15) + (27 × 0.3) + (28 × 0.35) + (29 × 0.05) + (30 × 0.05) =
744.05.
 1. Établir le tableau statistique en fonction des effectifs et des fréquences
relatives.
2. Quel est le diamètre moyen de ces troncs d’arbres ?

32 2.7. EXERCICES
SUPPLÉMENTAIRES

3. Déterminer la variance puis l’écart-type de la série statistique résumée

dans le tableau ci-dessus.
4. Représenter graphiquement ces résultats (juste pour les effectifs).
5. Déterminer le mode et donner son interprétation.