Université Mohamed Premier Oujda

Faculté Pluridisciplinaire de Nador

STATISTIQUE DESCRIPTIVE
PROF: NADIR EL BOUBKARI

ANNÉE UNIVERSITAIRE: 2023/ 2024

1
 Introduction
-La statistique (est une science) désigne l’ensemble des méthodes scientifiques
qui permettent d’analyser quantitativement un ensemble d’informations
cohérente.
Ne pas confondre « La statistique » et « Les statistiques »
◦ La statistique : Cf. définition
◦ Les statistiques : données chiffrées ou les résultats numériques de la statistique.

2
 Programme du semestre
Chapitre I: Séries statistiques simples
Chapitre II: Les séries statistiques doubles
Chapitre III: Séries temporelles des indices

3
 Chapitre I: Séries statistiques simples

I- Tableaux statistiques et représentations graphiques

1- Définitions
Définition 1: La population est un ensemble d’objets ou de personnes sur lesquelles porte une étude.
Exemples de populations:
-On considère l’ensemble des étudiants de la FPN. On s’intéresse aux nombre de frères et sœurs de chaque étudiant.
Définition 2: Individu (ou unité statistique) tout élément de la population considérée. On parle aussi d’unité statistique.
Exemple:
Exemple:
-Une entreprise au Maroc - Les entreprises industrielles du Maroc
- Les étudiants du moins de 22 ans de
-Un étudiant de moins de 22 ans à la FPN. la FPN.
-Un logement sur la ville de Nador.

4
Définition 3: Un caractère est un critère relatif auquel on observe les individus d’une population.
- Ainsi, on appelle caractère (ou variable statistique)
A chaque individu, on attribut un ou plusieurs caractères qui peuvent être soit quantitatifs (s’ils sont mesurables;
exemple: salaire, nombre d’enfants par ménage,…) ou qualitatifs (exemple: sexe, état matrimoniale, ...).
- Une valeur que peut prendre un caractère s’appelle modalité.

5
-Un caractère qualitatif peut être soit:
- Ordinal: Si ses modalités peuvent être naturellement ordonnées, exemple:
satisfaction plus ou moins grande après l’achat d’un produit.
- Nominal: Si ses modalités ne peuvent naturellement ordonnées, exemple: état
matrimoniale.
On appelle variable statistique, un caractère quantitatif.
- On distingue deux sortes de variables statistiques:

6
- Les variables statistiques discrètes (notées: V.S.D):
Se sont des variables dont l’ensemble des modalités est un ensemble discret (la variable ne peut prendre que des
valeurs isolées d’un intervalle).
-Exemple: Pour le nombre d’enfants par ménage l’ensemble des modalités peut être {0,1,2,3,4}.
- Les variables statistiques continues (notées: V.S.C):
Dans ce cas, l’ensemble des modalités est continue; la variable peut prendre toutes les valeurs d’un intervalle.
- Exemple: Salaire, âge, taille, poids,…etc.

7
 Définition 4: série statistique, la suite des valeurs prises par une variable X sur les unités d’observations.
- Le nombre d’unités d’observation est noté n.
- Les valeurs de la variable X sont notées:
x1, x2, ….....,xn.

Définition 5: L’effectif ni d’une modalité xi est le nombre d’individus ayant cette modalité. L’effectif total (ou taille) d’une population,
noté n, est le nombre d’individus qui composent cette population.

𝑃
On a don: 𝑁 = 𝑖=1 𝑛𝑖

8
Exemple: enquête réalisée auprès de 20 femmes casablancaises nées en 1970 sur le nombre
d’enfants qu’elles ont eus
Nombre d’enfants/femmes
Nombre d’enfants Effectif de femmes
0 1
1 3
2 5
3 5
4 4
5 2
Total 20

9
- On peut choisir de regrouper les différentes valeurs (modalités) de la variable « enfant » en
classes.
Nombre d’enfants/ femmes

Nombre d’enfants Effectif de femmes

0−2 4
2−4 10
4−6 6
Total 20

10
Lorsque les données sont regroupées en classe, il faut définir les extrémités de classe
Il faut préciser la « borne inférieur » et la « borne supérieur » des classes
Il faut préciser sans ambiguïté si les des extrémités sont inclus ou non dans les classes
Exemple 1: nombre d’enfants par femme
Classe 2 − 4
- « 𝟐 - » signifie que la valeur « 2 » est inclue dans la classe
- « -𝟒 » signifie que la valeur « 4 » est exclue de la classe

 Tous les éléments de la population étudiée (femmes) doivent se retrouver dans une et une seule classe.

11
Exemple 2: Salaires mensuels des employés d’une entreprise « X » en DH au 31/12/2006
 3 classes de salaires:
 De 6000 à moins de 7000 dh: 6000 − 7000
- Cette classe comprendra un employé dont le salaire = 6999 tandis que qu’un salarié
dont le revenu = 7000 s’en trouvera exclu

 De 7000 à moins de 9000 dh: 7000 − 9000

 De 9000 à moins de 12000 dh: 9000 − 12000

12
Effectuer aisément des calculs sur les extrémités de classes comme pour le calcul de l’amplitude des
classes et du centre des classes.

- l’amplitude de classe = la différence entre la valeur de l’extrémité supérieure et la valeur de

l’extrémité inférieure.
L’amplitude a d’une classe i sera donnée par la formule suivante:
𝑠𝑢𝑝 𝑖𝑛𝑓
𝑎𝑖 = 𝑒𝑖 − 𝑒𝑖
-Exemple 1: L’amplitude 𝑎𝑖 de la classe 6000 − 7000

13
-Dans le cas où les modalités peuvent être ordonnées, on peut présenter la série statistique dans
l’ordre naturel en notant:
x(1),x(2),x(3),…......,x(n).
-Une telle série est dite série ordonnée. Par exemple, la série ordonnée de la série suivante:
0 1 1 0 3 4 0 4 2 4 3 2 2 0
Est:
0 0 0 01 1 2 2 2 3 3 4 4 4
- Une série statistique relative à une seule variable est dite série statistique simple.

14
Exemple: On observe, au cours d’une semaine, 20 machines selon le nombre de pièces
défectueuses produites:

8-16-9-33-14-5-3-7-10-7-9-9-3-8-3-3-5-14-8-7
L’effectif total de la population est donc:
N=20

15
-En classant ces nombres par ordre croissant, on obtient la série ordonnée:

3, 3, 3, 3, 5, 5, 7, 7, 7, 8, 8, 8, 9, 9, 9, 10, 14, 14, 16, 33

- On obtient les K modalités après regroupement des observations:

- 3, 5, 7, 8, 9, 10, 14, 16, 33  (K=9) < (n=20)

16
•La modalité 3 a pour effectif n1= 4
•La modalité 5 a pour effectif n2= 2
•La modalité 7 a pour effectif n3= 3
•La modalité 8 a pour effectif n4= 3
•La modalité 9 a pour effectif n5= 3
•La modalité 10 a pour effectif n6= 1
•La modalité 14 a pour effectif n7= 2
•La modalité 16 a pour effectif n8= 1
•La modalité 33 a pour effectif n9= 1

Remarque: 4+2+3+3+3+1+2+1+1=20

17
Définition 6: On appelle fréquence de la modalité xi, la proportion des individus présentant cette modalité. On
écrit:

; i= 1,…..,K

- Remarque:

- En %: Celles-ci, souvent exprimées en pourcentages en les multipliant par 100 :

pi = 100 × fi.

18
-Définition 7: On appelle distribution d’un caractère X, l’ensemble de couples :
{(x1, n1),(x2, n2), …., (xk, nk)}
-Remarque:
-En terme de fréquence, la distribution de X, s’écrit aussi:
{(x1, f1),(x2, f2), …., (xk, fk)}
Exemple: La distribution des défectuosités des 20 machines est:
{(03;4),(5;2),(7;3),(8;3),(9;3),(10;1),(14;2),(16;1),(33;1)}
Ou
{(3;0,20),(5;0,10),(7;015),(8;0,15)…}
- Pour une meilleure exploitation de la distribution, on a intérêt à la représenter par un tableau
statistique.

19
Exemple: F1= n1/n = 4/20= 0,20 et f6= n6/n= 0,05
-Commentaire:
La proportion des machines ayant produit 3 pièces défectueuses est de 20%; et celle des
machines ayant produit 10 pièces défectueuses est de 5%.

20
II)- Tableaux statistiques
Exemple introductif: supposons que l’on ait fait une enquête auprès de 20 femmes selon 9 caractères:
prénom, nom, jour de naissance, mois de naissance, années de naissance, nombre d’enfants, revenu
annuel du ménage, ville natale, opinion sur la qualité d’un produit alimentaire pour bébé.
Les données ont été reportées sur un bordereau, sous forme d’une matrice de 20 éléments qui
comprennent chacun les 9 données concernant une femme.

21
 Cette matrice (série selon plusieurs variables) peut être représentée comme suit:

Prénom Nom Jour Mois Année Nombre d’enfant Revenu Ville opinion

1 Aline Michalco 23 1 1953 4 30000 Paris Mauvaise

2 Mathilde Crepineau 13 10 1953 0 60000 Montpellier Très bonne

3 Bénédicte Avelin 9 3 1953 1 9000 Rouen Mauvaise

4 Henriette Tufte 3 2 1953 1 15000 Paris Mauvaise

5 Danielle Cron 16 4 1953 2 40000 Marseille Moyenne

6 Ludvine Laposte 15 5 1953 2 40000 Marseille Moyenne

7 Agnès Roche 2 5 1953 2 10000 Nice Bonne

8 Rita Mena 5 5 1953 3 45000 Paris Moyenne

9 Andrée Lamirai 22 6 1953 3 80000 Nancy Passable

10 Pauline Zatti 20 7 1953 4 50000 Nice Moyenne

11 Zoé Foret 9 9 1953 2 60000 Nice Passable

12 Lola Marseille 7 7 1953 3 55000 Marseille Bonne

13 Priscilla Lounad 3 2 1953 3 85000 Montpellier Bonne

14 Violaine Turk 16 4 1953 5 60000 Nice Moyenne

15 Christine Dodue 15 5 1953 2 40000 Rouen Bonne

16 Fabiola Couic 2 5 1953 1 10000 Nancy Passable

17 Noelle Gant 5 11 1953 3 120000 Nice Mauvaise

18 Rachell Nol 22 2 1953 3 80000 Paris Moyenne

19 Sabine Eboum 20 10 1953 4 18000 Paris Très bonne

20 Jeanne Rivière 9 12 1953 5 90000 Marseille Passable

22
Dans cette section, on ne considérera qu’un seul caractère à la fois:
Représentation de la distribution d’un caractère X par un tableau
1)- Cas d’un caractère qualitatif
Soit la distribution d’un caractère qualitatif X étudié sur une population de n individus:
{(x1,n1),(x2,n2),…....., (xk,nk)}

23
Sa représentation par tableau est alors comme suit:
Modalité Effectif Fréquence
xi ni fi
x1 n1 f1
x2 n2 f2
. . .
. . .
. . .
xi ni fi
. . .
. å .n i
å .f i
=1
xk nk fk
Total 𝑘 𝑘
n= 𝑖=1 𝑛𝑖 𝑓𝑖 = 1
𝑖

24
Exemple: on reprend les 20 femmes selon l’opinion « caractère ordinal »:
Ma, Tb, Ma, Ma, Mo, Mo, Bo, Mo, Pa, Mo, Pa, Bo, Bo, Mo, Bo, Pa, Ma, Mo, Tb,
Pa.
-Une fois classées:
Ma, Ma, Ma, Ma, Pa, Pa, Pa, Pa, Mo, Mo, Mo, Mo, Mo, Mo, Bo, Bo, Bo, Bo, Tb,
Tb,
-On a donc 5 modalités (K=5)
-La distribution s’écrit:
-{(Ma;4),(Pa;4),(Mo;6),(Bo;4),(Tb;2)}

25
-La tableau statistique est comme suit:

xi ni fi
Ma 4 0,2
Pa 4 0,2
Mo 6 0,3
Bo 4 0,2
Tb 2 0,1
Total n=20 1

26
2)- Cas du caractère quantitatif:
a)- Variable statistique Discrète (v.s.d)

Soit X le caractère qui désigne le nombre d’enfants par ménage pour les 20 femmes:

4 0 1 1 2 2 2 3 3 4
2 3 3 5 2 1 3 3 4 5

- Une fois classées:

0 1 1 1 2 2 2 2 2 3

3 3 3 3 3 4 4 4 5 5

- La distribution est alors:

{(0,1),(1,3),(2,5),(3,6),(4,3),(5,2)}

27
-Le tableau alors est commet suit:

xi ni fi%
0 1 05
1 3 15
2 5 25
3 6 30
4 3 15
5 2 10
Total 20 100

28
Question: Combien de femmes ont au moins ou au plus 3 enfants?
i) Effectifs et fréquences cumulés:
Effectifs et fréquences cumulés croissants:
Soit Ni le ième effectif cumulé croissant associé à xi.

å
i
Ni= n1+n2+…+ni= j =1
nj

Ni est le nombre d’individus présentant au plus la modalité xi.

29
-Le tableau complet est comme suit:

xi ni Ni Ni Fi Fi

x1 n1 n1 N f1 1
x2 n2 n1+n2 n2+n3+…+nk f1+f2 f2+f3+…+fk
. . . . . .
. . . . . .
. . . . . .
xi ni n1+n2+…+ni ni+ni+1+...+nk f1+f2+…+fi fi+fi+1+...+fk
. . . . . .
. . . . . .
xk nk N nk 1 fk

Total n - - - -

30
 N4= n1+n2+n3+n4= å
4

j =1
nj = 15

xi ni fi% Ni Ni Fi% Fi%

0 1 5 1 20 5 100

1 3 15 4 19 20 95

2 5 25 9 16 45 80

3 6 30 15 11 75 55

4 3 15 18 5 90 25

5 2 10 20 2 100 10

Total 20 100 Au plus Au moins

- On dit que 15 femmes ont au plus x4= 3 enfants.

- En divisant l’égalité ci-dessus par n=20, on obtient la fréquence cumulée croissante:

F4= f1+f2+f3+f4=å
4

j =1
fj = 75%

On dit que 75% des femmes ont au plus x4=3 enfants.

31
 Effectif et fréquences cumulés décroissants:

En sommant cette fois à partir du ième effectif jusqu’au dernier, on obtient le ième
effectif cumulé décroissant, par exemple:

N3= n3+n4+n5+n6= å
6

j =3
nj = 16

32
-On dit que 16 femmes ont au moins x3=2 enfants.

En divisant l’égalité ci-dessus par n=20, on obtient la fréquence cumulée décroissante:

F3= f3+f4+f5+f6
=å
6
f j = 80%
j =3

On dit que 80% des ménages ont au moins x3= 2 enfants.

33
-Pour notre exemple, on a:
xi ni fi% Ni Ni Fi % Fi%

0 1 5 1 20 5 100
1 3 15 4 19 20 95
2 5 25 9 16 45 80
3 6 30 15 11 75 55
4 3 15 18 5 90 25
5 2 10 20 2 100 10

-Interprétation: Total 20 100 Au plus Au moins

Il y a 19 ménages (soit 95%) qui ont au moins 1 enfant.

Il y a 9 ménages (soit 45%) qui ont au plus 2 enfants.

34
b)- Variable statistique continue (v.s.c)
-Dans le cas d’une v.s.c., les modalités sont regroupées en classes. Soit k le nombre de ces classes:
[e0,e1[; [e1,e2[;….; [e i-1,ei[;…; [ek-1, ek[

1ème 2ème ième Kème

-Pour la ième, on note:

-ai= e i – e i-1 l’amplitude de cette classe.

e i-1 + ei
xi = Le centre de cette classe.
2

35
N° classe Les classes ni fi
1 [e0,e1[ n1 f1
2 [e1,e2[ n2 f2
. . . .
. . . .
. . . .
I [e i-1,ei[ ni fi
. . . .
. . . .
. . . .
k [ek-1, ek[ nk fk

Total - n 1

36
-Exemple: on relève le revenu des 20 femmes (€)

Revenu X Effectif ni
9000 1 Il est plus commode de regrouper les revenus en classe, par exemple,
10000 2 on choisi 4 classes de même amplitude.
15000 1
18000 1
30000 1 Classes Revenus (m€) Effectif
40000 3
[0,35[ 6
45000 1
50000 1
[35,70[ 9
55000 1
60000 3
80000 2
[70,105[ 4
85000 1
90000 1 [105,140[ ?
120000 1
Total 20 Total 20

37
Complétons notre tableau:

Classes Revenus (m€) ni fi% Fi% Fi%

[0,35[ 6 30 30 100

[35,70[ 9 45 75 70

[70,105[ 4 20 95 25

[105,140[ 1 5 100 5

Total 20 100 Au plus Au moins

-Interprétation:
Il y a F2=…% des femmes touchent au plus e2=70 m€.

il y a F3= …% des femmes touchent au moins e2=70 m€.

38
-Interprétation:
Il y a F2=75% des femmes touchent au plus
e2=70 m€.
il y a F3= 25% des femmes touchent au moins e2=70 m€.

39
III)- Représentations graphiques
-Le graphique est une traduction visuelle de la formation qu’elle soit qualitative ou quantitative.
1)- Cas du caractère qualitatif:
A)- Graphique en tuyaux d’orgue:
Est formé de rectangles de même base constante et dont les hauteurs sont proportionnelles aux
effectifs (ou fréquences) des modalités associées.
-Un axe horizontal (l’abscisse), sur lequel figurent les valeurs distinctes de la variable X.
-Un axe vertical (l’ordonnée), sur lequel figurent les effectifs (ou fréquences).

40
Exemple: On reprend les 20 femmes
Répartition des 20 femmes selon l’opinion

fi
0,4
0,3
0,2
0,1
0 X
Ma Pa Mo Bo Tb

41
B)- Le diagramme circulaire
C’est une représentation en disque. Chaque secteur est proportionnel à l’effectif (ou fréquence) de la
modalité associée. En terme d’angle, à xi on associe l’angle au centre ai, du secteur i, vérifiant:

Or ai= c fi ; i=1,…,K

k k

åa i
= cå f i Þ 360° = c ´1 Þ c = 360°
i =1 i =1
L’égalité devient:
ai= 360 × fi ; 1,…,K

Ou ai= 360 × fi % ; i= 1,…,K

xi fi% ai
Ma 20 72
Pa 20 72
Mo 30 108
Bo 20 72
Tb 10 36
Total 100 360
 Répartition des femmes selon l’opinion

L'opinion en %
36%

72%
Tb 10%
Ma 20%

72%
Ma
Bo 20% Pa
Mo
Pa 20%
Bo
Mo 30% Tb
72%

108%
2)- Cas du caractère quantitatif:
A)- Les V.S.D. on utilise deux types de graphiques selon que l’on considère les effectifs (ou
fréquences) simple ou les effectifs (ou fréquences) cumulés:
i)- Diagramme en bâtons
Il permet de donner une vision d’ensemble des observations réalisées. Il comporte:
-Un axe horizontal (l’abscisse), sur lequel figurent les valeurs distinctes de la variable X.
-Un axe vertical (l’ordonnée), sur lequel figurent les effectifs.
-En face de chaque valeur figure un trait vertical (un bâton), dont la hauteur est proportionnelle à
l’effectif correspondant.
-Exemple: On reprend l’exemple des 20 femmes (nombre d’enfants).

45
 Répartition des ménages selon le nombre d’enfants
ni
7

0 xi
0 1 2 3 4 5
ii)- Diagramme cumulatif: Fonction de répartition
C’est un diagramme sert à représenter les fréquences cumulées, ou encore les effectifs cumulés.
Cette représentation se fait au moyen d’une fonction dite fonction de répartition, qui est définie de
R dans l’intervalle 0,1

Par:
-Pour notre exemple, on a:
xi ni fi% Fi %
0 1 5 5

1 3 15 20

2 5 25 45

3 6 30 75

4 3 15 90
5 2 10 100
Total 20 100 Au plus
Exemple: on reprend les 20 femmes

Courbe cumulative dans le cas d’une v.s.d.

120

100

80

60

40

20

0
0 1 2 3 4 5 6
B)- Les V.S.C: On a souvent recourt à deux types de graphiques:
i)- Histogramme
A chaque classe, on associe un rectangle dont la base est égale à l’amplitude de la classe dont la hauteur est
de telle sorte que sa surface soit proportionnelle à la fréquence de la classe.
La procédure à suivre:
-Toutes les classes ont même amplitude
-Au moins une classe a une amplitude différente des autres: dans ce cas on choisi une amplitude de
référence ar (par exemple la plus petite ou la plus répandu) par suite, on corrige la fréquence des classes
différentes en la divisant par l’amplitude associée et en multipliant:
-Par ar: fi
hi = f i = '
´ ar
ai
- f i 's’appelle densité de fréquence (sans pourcentage).

50
Exemple: On reprend les 20 femmes
Toutes les classes ont même amplitude donc pas besoin de corriger les fréquences.

Classes Revenus (k€) ai fi

[0,35[ 35 0,30

[35,70[ 35 0,45

[70,105[ 35 0,20

[105,140[ 35 0,05

Total ar=35 1
Répartition des femmes selon le revenu en 1000€

x
Ii- Courbe cumulative:
On construit la courbe de la fréquence cumulée en joignant les points 𝑒𝑖 , 𝐹𝑖 , où 𝑒𝑖 est la borne
supérieure de la ième classe 𝑒𝑖−1 , 𝑒𝑖 , 𝐹𝑖 est la fréquence cumulée de cette même classe. On
note:

(
Fi = P X £ ei )

53
Exemple: On reprend les 20 femmes:

Classes Revenus (m€) fi% Fi %

[0,35[ 30 30

[35,70[ 45 75

[70,105[ 20 95

[105,140[ 5 100

Total 100 Au plus

x
Section II: Les caractéristiques de tendance centrale
Dans cette section, on analysera trois de ces paramètres qui sont:
Les moyennes, le mode et la médiane.
1- La moyenne arithmétique:
a)- Définition: La moyenne arithmétique, notée 𝑋 d’une variable statistique X de distribution {(xi,ni)1≤i≤k} est la quantité:

1 k k
X = å ni xi = å f i xi
n i=1 i=1
Où, N est la taille de la population, et les xi sont les modalités dans le cas d’une V.S.D et les centres des
classes dans le cas d’une V.S.C.
Exemple 1: On reprend l’exemple des 20 femmes selon le nb d’enfants.

xi ni n i xi fi fixi
0 1 0 0,05 0
1 3 03 0,15 0,15
2 5 10 0,25 0,50
3 6 18 0,30 0,90
4 3 12 0,15 0,60
5 2 10 0,10 0,50
Total 20 53 1 2,65
 - 6
= å ni xi =
1 53
X = 2,65
n i=1 20
Ou

6
x = å f i xi = 2,65
i =1
II- Le mode
1- Définition: Le mode, noté Mo, d’une série statistique est la valeur de cette
série, dont l’effectif (ou la fréquence) est plus grand que les effectifs (ou les
fréquences) des valeurs voisines.

C’est le plus simple mais le moins utilisé!

2- Détermination du mode:
a- Cas d’une v.s.d: Dans le cas d’une v.s.d. la détermination du mode est immédiate à
partir du tableau statistique ou du diagramme en bâtons.
Exemples 1: On reprend l’exemple des 20 femmes selon le nb d’enfants

xi ni fi
Mo=3 enfants 0 1 0,05
1 3 0,15
2 5 0,25
3 6 0,30
4 3 0,15
5 2 0,10
Total 20 1
b)- Cas d’une v.s.c.
-Le mode se trouve dans la classe modale, c’est la classe qui correspond à la plus grande
fréquence corrigée.
-On peut démontrer que l’expression algébrique du mode est comme suit:

hi - hi -1
M o = ei -1 + ai
2hi - (hi-1 + hi+1 )
Où 𝑒𝑖−1 , 𝑒𝑖 : est la classe modale
hi=fi’: est la fréquence corrigée de la classe modale (c’est la plus élevée des fréquences)
ai: est l’amplitude de la classe modale
Exemple: On reprend les 20 femmes

h2 - h1
M o = e1 + a2
2h2 - (h1 + h3 )
0, 45 - 0,3
= 35 + 35 ´
0,90 - (0,3 + 0,13)
= 46,17m Î
Classes fi fi’
Classe é0,35é
ë ë 0,30 0,30
modale é35,70é
ë ë 0,45 0,45
é70;140é
ë ë 0,25 0,13
Total 1
III- La médiane
1- Définition: La médiane, notée M, d’une série statistique, est la valeur de la série qui
partage la population en deux parties d’effectifs égaux. Par conséquent, on aura autant
d’observations inférieurs à M que d’observations supérieures à M.
.
2- Détermination de la médiane:
a- Cas d’une série brute:
Soit la série ordonnée (par ordre croissant) de n observations: x1,x2,…,xn.
-Si n est impaire, alors la valeur médiane est l’observation qui occupe le rang n +1 .
2
-Si n est paire, on ne peut plus déterminer exactement la médiane, mais on a un intervalle
médian.
é ù
ê xn , xæ ö ú
ê ç ÷+1 ú
ë 2 è2ø û
n

64
b- Cas d’une distribution
i)- Cas d’une v.s.d:

cumulées croissantes Fi.

{
Soit X une v.s.d. de distribution (xi , f i ) }
1£i £k
pour déterminer sa médiane, on utilise les fréquences

-Procédure à suivre:
Si i Fi ≠ 0,5; autrement dit, si aucune fréquences cumulée Fi n’est égale à 0,5 , dans ce cas la
médiane est la modalité xi qui correspond à plus petite fréquence cumulée dépassant strictement
0,5.
 S’il existe une modalité xi pour laquelle Fi=0,5 dans ce cas on parle d’un intervalle médian: éx , x é
ë i i+1ë

65
Exemple 1: On reprend l’exemple des 20 femmes selon le nb d’enfants.
F3=0,45<0,50<F4 xi fi% Fi %
D’où 0 5 5
1 15 20
2 25 45
M= 3 enfants
3 30 75
4 15 90
5 10 100
Total 100 Au plus
ii)- Cas d’une v.s.c.
Dans le cas continue, la médiane est toujours unique, c’est la valeur qui partage exactement la population
en deux parties égales. En d’autres termes, M est la solution de l’équation.

F(M) = 0,5

Où F est la fonction de répartition de X.

- On a deux méthodes pour déterminer la médiane.
a- Détermination graphique:
La médiane correspond à l’abscisse du point de la courbe cumulative qui admet pour ordonnée la valeur 0,5 (ou
50%). (Voir Graphique de l’exemple)
b- Détermination par interpolation: D’après le tableau ou la courbe cumulative, on détermine la classe contenant la
médiane M; c’est la classe ée ,e é telle que, Fi-1≤0,5≤Fi; puis on détermine M par interpolation linéaire. Donc on a:
ë i-1 i ë
Où
ée ,e é: est la classe médiane
0,5- Fi-1 ë i-1 i ë
M = ei-1 + ai ´ ai: étant son amplitude
fi: est la fréquence
fi Fi-1: est la fréquence cumulée de la classe précédente.
Exemple:
0,5 - F1
M = e1 + a2 ´
f2

Classes fi% Fi %

é0;35é 30 30
ë ë
50 - 30
M = 35+ 35´
é35;70é
ë ë
45 75 45
= 50,56mÎ
é70;140é 25 100
ë ë

Total 1 Au plus
 Répartition des femmes selon le revenu en 1000 €
F(x)%
120

100

80

60

40
Médiane graphiquement
20 51

0
0 35 70 105 140
x
Conclusion générale:
-Population hétérogène: la moyenne arithmétique est préférable à la médiane et au mode.
-Présence des valeurs aberrantes (ou extrêmes): la médiane est préférable.
-Résultats d’un concours: la note médiane est la plus significative.
 Section 3- Les caractéristiques de dispersion
Les paramètres de dispersion servent à mesurer la dispersion des
observations autour d’une tendance centrale.

On considère deux catégories de paramètres de dispersion:

1- Les écarts simples: Étendue- écart inter quantile
2- L’écart-type et la variance
1- Les écarts simples:
A- L’étendue:
Définition: L’étendue, noté e, est la différence entre la plus grande
et la plus petite observation.

- Cas d’une v.s.d:

e= xmax− xmin

Exemple: e= x6 − x1 = 5 − 0 = 5 enfants
-Cas d’une v.s.c.

e = ek − e0

Exemple: e = e3 − e0 = 140 − 0 = 140 m €

B- Ecart inter quantile: Désormais, on ne s’intéressera qu’aux V.S.C.

Les quantiles: Généralisation de la médiane. On cite quatre types de
quantiles:
- Quartiles
- Quintiles
- Déciles
- Centiles
 Valeurs de la α Nom de xα

ième quartile
; ie {1, 2, 3}
i
4

ième quintile
;ie {1, 2,..., 4}
i
5

ième décile
;ie {1, 2,...,9}
i
10
;ie {1, 2,..., 99}
i ième centile
100

1- Quartiles: Soient Q1,Q2 et Q3 les trois quartiles. Par définition:

1
Q1 = x1 , Þ P( X ≺ Q1 ) = = 25%
4
4
2
Q2 = x1 , Þ P( X ≺ Q2 ) = = 50%
2
4
3
Q3 = x3 , Þ P( X ≺ Q3 ) = = 75%
4
4

- Donc Q1,Q2 et Q3 partagent la population en quatre parties de même effectif 25%

chacune.
25% 25% 25% 25%
e0 Q1 Q2 Q3 ek
 2- Quintiles: soient q1,q2,q3 et q4 ces 4 quintiles. On a:

1
q1 = x1 ,Þ P( X ≺ q1 ) = = 20%
5
5
2
q2 = x2 ,Þ P( X ≺ q2 ) = = 40%
5
5
3
q3 = x3 ,Þ P( X ≺ q3 ) = = 60%
5
5
4
q4 = x4 ,Þ P( X ≺ q4 ) = = 80%
5
5
- Donc q1, q2,q3 et q4 partagent la population en cinq parties d’effectif = 20% chacune.

20% 20% 20% 20% 20%

e0 q1 q2 q3 q4 ek
3- Déciles: Soient D1, D2,…,D9 ces 9 déciles. Ils partagent la population en dix parties d’effectif = 10%
chacune.

𝑋 1
Par exemple: 𝑃 = 2 = 50%
𝐷5

D’où 𝐷5 est la médiane: D5= Q2=M

77
La détermination des quantiles:
i- Détermination graphique: elle est pratiquement la même que celle de la médiane, il suffit
de remplacer 0,5 par α.
ii- Détermination par Interpolation:
xa Î éëei-1;ei éë, elle correspond à la plus petite fréquence cumulée dépassant strictement α.

a - Fi -1
xa = ei -1 + ai
fi
Exemple: On reprend les 20 femmes

Classes fi% Fi %

é0; 35é 30 30
ë ë

é35;70é 45 75
ë ë

é70,140é 25 100
ë ë

Total 100 Au plus

Exemple: Pour les vingt femmes:

25 - F0 F0≲ 25 ≲ F1
Q1 = e0 + a1
f1
25 - 0
= 0 + 35 = 29,17mÎ
30
F2 £ 75 £ F3

75 - F2
Q2=M Q3 = e2 + a3
f3
=50,56 m€ = 70 + 0 = 70m Î
Exemple: Pour les vingt femmes:

10 - F0 F0≤25≤F1
D1 = e0 + a1
f1
10
= 0 + 35 ´ = 11,67m Î
30
F2≤90≤F3

90 - F2
D5=M D9 = e2 + a3
f3
=50,56
90 - 75
= 70 + 70 ´ = 112m Î
25
-Ecart inter quantile: ce sont des paramètres de dispersion, donnés par la différence entre le
premier et le dernier quantile:
i- Ecart interquartile: DQ = Q3 - Q1
ii- Ecart inter quintile: q  q4  q1
iii- Ecart inter décile: DD = D9 - D1
II- Ecart type et variance
1- La variance:

Définition: La variance, V(X), d’une distribution statistique {(xi,ni) 1≤i≤k}, est donnée
par:
1 k k
V ( X ) = å ni (xi - x ) = å f i (xi -x) 2
2

n i =1 i =1

Remarque:
- La variance est aussi notée s
2

- Pour une variable statistique continue les xi sont les centres des classes.
2- L’écart type:

Définition: L’écart type de X, noté σx, est la racine carrée de la variance.

1 k k
s x = V (x) = å
n i =1
ni
(xi
- x) 2
= å i i
f (x - x) 2

i=1

3
- Cas d’une v.s.d: Sachant que X = å f i xi = 55,125me
i =1

Classes fi xi (xi - x)2 f i (xi - x)2

é0,35é 0,30 17,5 1415,641 424,692
ë ë

é35,70é 0,45 52,5 6,891 3,101

ë ë
é70,140é 0,25 105 2487,516 621,879
ë ë
Total 1 --- --- 1049,672
 3
V ( X ) = å f i (xi - x) 2 = 1049,672
i =1

Þsx = 1049,672 = 32,3986m Î

 Chapitre II- Séries doubles (Ajustement linéaire et corrélation)
I- Tableaux de contingence
1- Exemple introductif:
On désire étudier la répartition de 50184 salariés selon l’ancienneté et le salaire
mensuel.
Posons:
ìX: La v.s.c. désignant l’ancienneté en année
íY: La v.s.c. désignant le salaire mensuel (en DH)
î
-Les données sont représentées par le tableau suivant:

Y en DH

é0,5é é5,15é é15,30é é30,60é

X en ë ë ë ë ë ë ë ë Total
Année
é0,1é 2890 1836 102 0 4828
ë ë

é1,5é 9044 7378 884 204 17510

ë ë
é5,15é 5746 10404 1564 374 18088
ë ë
é15,35é 1666 6018 1666 408 9758
ë ë
19346 25636 4216 986 50184
Total

Source: Statistiques de la délégation régionale du centre Nord: octobre 1984 en se

basant sur le recensement de la population et de l’habitat de 1982: milieu urbain.
Si on considère que la 1ère ligne Y et la dernière ligne (Total) on obtient la
répartition des 50184 salariés selon le salaire (c-à-d. la distribution marginale de
Y).
Y é0,5é é5,15é é15, 30é é30,60é Total
ë ë ë ë ë ë ë ë
n.j 19346 25636 4216 986 50184
De même si on considère que la 1ère colonne (X) à la dernière colonne (Total) on
obtient la répartition des 50184 salariés selon l’ancienneté: distribution
marginale de (X).

X ni.
é0,1é
ë ë 4828
é1,5é
ë ë 17510
é5,15é 18088
ë ë
é15,35é 9758
ë ë
Total 50184
Cas des données individuelles:
-Exemple introductif:
Soient X et Y deux variables statistiques définies sur une même population de taille
n. on note par (xi,yi); i=1,2,…,n
le couple de valeurs de X et Y pour le ième individu.
y1 y2 yi yn Total
x1 1 0 0 0 1
x2 0 1 0 0 1

xi 0 0 1 0 1

0 0 0 1 1
xn
1 1 1 1 n
Total
-Le service des études économiques de la société α veut mesurer l’incidence de la
modulation de la pression marketing (variable X: explicative) sur la vente de flacons
de parfums (variable Y: expliquée). Il enregistre, alors, les ventes yi (en milliers de
flacons) ainsi que les dépenses publicitaires xi (en milliers de DH) dans 5 zones.

xi 5 6 9 12 18

yi 25 30 35 45 65
On cherche à étudier la liaison pouvant exister entre les variables X et Y. pour ce, on représente dans un repère
orthogonal les points (xi,yi). L’ensemble de ces points s’appelle « nuages de points ». La forme de ce nuage
nous renseigne sur la nature de la liaison entre X et Y et le type de courbe qui ajustera le mieux, ce nuage. On
s’intéresse au cas où cette courbe est une droite (ajustement linéaire ou droite de régression).
I- Ajustement linéaire:
Pour ajuster un nuage de points, on choisi parmi toutes les courbes connues (exponentielle, logarithme, droite…)
celle qui passera le plus proche de tous les points du nuage.
Dans le cas où le nuage a une forme allongée, il est évident que la droite est plus appropriée. On parle alors
d’un ajustement linéaire.
 Y Nuage de points: ventes en fonction de la Pub
70

60

50

40

30

20

10

0
0 5 10 15 20

X
Pour déterminer l’équation de la droite d’ajustement on utilise, très souvent, la méthode des moindres
carrés (M.M.C).

1- Droite d’ajustement:
On appelle la M.M.C. pour déterminer les deux droites de régression:
a- la droite de régression de Y en X: est utilisée pour expliquer Y par X. Cette droite est notée Dy/x pour
équation y= ax + b
où
a =
Cov( X ,Y )
V(X )
et
b = y - ax
 æ1 n ö
ç n å xi yi ÷
Cov( X ,Y) = ç ÷ - ( xy)
è i =1 ø
et
1 n
x = å xi
n i =1
et
1 n
y = å yi
n i =1
æ1 n 2ö
V(X) = ç ç nå i ÷ ÷ - 2
x ( x )
è i =1 ø
Revenons à notre exemple
 i xi yi xi yi xi 2 yi 2
1 5 25 125 25 625
2 6 30 180 36 900
3 9 35 315 81 1225
4 12 45 540 144 2025
5 18 65 1170 324 4225
Total 50 200 2330 610 9000
å 10 40 466 122 1800
n
La forme du nuage est plus ou moins allongée. On peut donc estimer y à partir de x
grâce à la droite de régression de Y en X.

5
x = å xi =
1 50
= 10mÎ
5 i =1 5
5
y = å yi =
1 200
= 40mflacons
5 i =1 5
æ1 n 2ö
V ( X ) = çç å xi ÷÷ - (x ) =
610
2
-100 = 22
è n i =1 ø 5
 æ1 n ö
Cov( X ,Y) = ç ç n å xi yi ÷
÷ - ( xy)
è i =1 ø
æ1 5 ö æ1 5 ö æ1 5 ö
=çç 5 å xi yi ÷
÷-ç ç 5 å xi ÷
÷´ç ç 5 å yi ÷
÷
è i =1 ø è i =1 ø è i =1 ø
1
= ´ 2330 -10 ´ 40 = 66
5
66
Þ a= =3
22
et
b = 40 - 3 ´10 = 10
La droite Dy/x a pour équation:

Y=ax+b

Y = 3 × x + 10
Milliers flacons Flacons DH mDH Milliers flacons

a=3 est la pente de la droite, cela signifie que 1 DH supplémentaire investi

en pub permet de vendre 3 flacons de plus.
b- La droite de régression de X en Y: elle est utilisée pour expliquer X par Y. cette
droite a pour équation Dx/y:

x = a ‘ y + b’
où
Cov( X ,Y )
a = '

V (Y )
et
b' = x - a' y

Remarque: Généralement, on trace les deux droites Dx/y dans un même repère.
Dans ce cas, l’équation de Dx/y s’écrit:
'
1 b
y = ' x- ' Où a’≠ 0
a a
Revenons encore une fois à notre exemple:

æ1 5 2 ö
V (Y) = çç å yi ÷÷ - ( y 2 ) = 1800 -1600 = 200
è 5 i =1 ø
et
66
a' = = 0,33
200
b' = 10 - 0,33´ 40 = -3,2

Dx/y: x= 0,33 – 3,24 y

 Y Nuage de points: ventes en fonction de la Pub
70

60

50
y = 3x+10
40

30
G(x,y)
20

10

0
0 5 10 15 20
X
II)- Coefficient de corrélation linéaire:
-Dans le cas d’une liaison entre X et Y, on mesure le degré de cette liaison par le
coefficient de corrélation linéaire.
1- Définition: Le coefficient de corrélation linéaire associé à X et Y, que l’on note r,
est donné par:

Cov( X,Y) Cov( X,Y)

r= =
V( X ).V(Y) s xs y

- r est sans dimension

2- Propriétés:
-(a) Le coefficient r a le même signe que Cov(X,Y), ce qui donne le signe de la liaison:
Si r<0, alors la liaison linéaire est négative.
Si r>0, alors la liaison linéaire est positive.
Si r=0, alors la liaison linéaire est nulle.
-(b) -1 ≤ r ≤ +1:
i)- Plus la valeur absolue de r est proche de 1 et plus la corrélation (ou liaison)
linéaire entre X et Y est forte.
ii)- Plus la valeur absolue de r est proche de 0 et plus la corrélation linéaire entre X et
Y est faible.
 Valeurs de r pour interprétation
0 £ r ≺ 0,4 : faible ou quasi absence de corrélation.
0,40 £ r ≺ 0,6 : moyenne corrélation

0,60 £ r ≺ 0,80 : Bonne corrélation

0,80 £ r £ 1 : Corrélation élevée.

 r = −1
Y
D’
D

D
D

X
Une liaison linéaire totale et négative
Une liaison linéaire relative et
négative
 0<r<1

r=0
D’ ×
× ×
×
× ×× × D
D ×
× × × ×
×
×

Indépendance totale Une liaison linéaire relative et

positive
 r=1
D
×
×
×
×
×
×
×
D’

Une liaison linéaire totale et positive

Revenons encore une fois à notre exemple:

Cov( X,Y)
66
r= = = 0,99
V( X )V(Y) 66,33

Conclusion:
r est positif et sa valeur est très proche de 1, donc il y a une très
forte corrélation linéaire entre X et Y et est positive. C’est ce que
l’on a constaté graphiquement par la construction des droites D et
D’.
Exercice:
Dans un TP de physique, on a les données suivantes:

La variable mi représente les différentes masses appliquées comme dans le schéma ci-dessous et la variable xi les
hauteurs induits depuis l’état initial.
Xi 0 0,5 1,1 1,5 1,9

mi 0 10 20 30 40

1- Déterminer D(m/x).
2- Déterminer D(x/m).
3- Tracer le nuage de point et les deux droites.
Représenter le point de coordonnée (𝑋, 𝑌).
4- Peut-on déterminer x si m = 51,75 KG?
Solution:
Nous déterminons facilement les moyennes:
𝑋 = 1 𝑒𝑡 𝑌 = 1. 𝐷𝑒 𝑝𝑙𝑢𝑠, 𝑛𝑜𝑢𝑠 𝑎𝑣𝑜𝑛𝑠
Cov(x,m) = 9,6
Après calcul, nous avons aussi:
V(x) = 0,464 et V(m) = 200
Ce qui implique que: 𝜎𝑥 = 0,681 𝑒𝑡 𝜎𝑚 = 14,14
Dans ce cas, les coefficients de la droite sont donnés par
𝐶𝑜𝑣(𝑥,𝑦)
a= = 20,69 et b = 𝑚 − a𝑥= -0,69
𝑉(𝑥)

Par conséquent: D(m/x): m=20,69x – 0,69

En renversant les axes, nous obtenons:
D(x/m): x = 0,048 m + O,04
Nous traçons les deux droites dans la figure ci-dessous (D(x/m) est la symétrie
de D(m/x) par rapport à la première bissectrice).
Si on calcule r= 0,997 > O,7, alors nous avons un ajustement linéaire accepté.
Donc, on peut estimer x pour m = 51,75 et nous obtenons:
X= 0,048 × (51,75) + 0,04 = 2,52
Chapitre III- Les indices
Objectif:
Comparer des grandeurs numériques qui évoluent au cours du temps et/ ou
de l’espace.

Notations:
- 𝑉𝑡 est la valeur de la grandeur étudiée au temps t (t est la date courante).
- 𝑉0 est la valeur de la grandeur étudiée au temps 0 ( 0 est la date de référence).
Définitions générales
Définition
L’indice élémentaire d’une grandeur V à la date t base 100 à la date 0 est:
𝑉𝑡
𝐼𝑡 0 = 𝐼𝑡𝑉0 = × 100
𝑉0

Exemple: Quel est l’indice du prix base 100 en 2010 d’un produit valant 250 DH et
300 DH en 2012?
Réponse:
𝑷𝟏𝟐 𝟑𝟎𝟎
𝑰𝑷
𝟏𝟐 = × 𝟏𝟎𝟎 = × 𝟏𝟎𝟎 = 𝟏𝟐𝟎.
𝟏𝟎 𝑷𝟏𝟎 𝟐𝟓𝟎
 Comment interpréter la valeur d’un indice?

Interprétation:
Soit 𝐼𝑡 0 l’indice élémentaire d’une valeur V à la date t base 100 à la date 0 et soit: ∆= 𝐈𝐭 − 𝟏𝟎𝟎
𝟎
- ∆> 0 ↔ la valeur V a augmenté de ∆% de la date 0 à la date t.
- ∆< 0 ↔ la valeur V a diminué de ∆% de la date 0 à la date t.
Retour sur exemple:
𝑃
𝐼12 10
=120 ↔ le prix a augmenté de 20% de 2010 à 2012.
- Propriété des indices simples:
a- identité: 𝐼0 = 100
0
−1
b- Réversibilité: 𝐼 𝑡 = 𝐼0 × 100
0 𝑡

Remarque: b) s’écrit aussi

1002 1002 100 𝑉0
𝐼 𝑡 × 𝐼0 = 1002 ↔ 𝐼0 = = 𝑉𝑡 = 𝑉𝑡 = × 100
0 𝑡 𝑡 𝐼𝑡 ×100 𝑉𝑡
0 𝑉0 𝑉0
= 𝐼0
𝑡
Exemple: Arrivées de touristes aux frontières du Maroc (en milliers).

Avril 2000 Avril 2001 Avril 2002

250 260 205

Base 100 en 2000 (avril).

- On calcul l’indice du nombre de touristes aux frontières en 2001 base 100 en
2000.
𝟐𝟔𝟎
𝑰𝒕 𝟎 𝑿 = 𝟐𝟓𝟎 × 𝟏𝟎𝟎 = 𝟏𝟎𝟒.
Alors que:
𝒙𝟎 𝟐𝟓𝟎
𝑰𝟎𝟎 𝑿 = × 𝟏𝟎𝟎 = × 𝟏𝟎𝟎 = 𝟗𝟔, 𝟏𝟓
𝟎𝟏 𝒙 𝟏 𝟐𝟔𝟎
On vérifie que:
𝐼01 × 𝐼00 = 104 × 96,15 ≅ 10000
00 01

c- Circularité ou transférabilité :
𝐼 𝑡𝑛 × 𝐼 𝑡𝑛−1 × ⋯ × 𝐼𝑡1
𝑡𝑛−1 𝑡𝑛−2 𝑡0
𝐼 𝑡𝑛 =
𝑡0 100(𝑛−1)
Exemple 1:
𝑥2 205
𝐼02 𝑋 = × 100 = × 100 = 82
00 𝑥0 250
𝐼02 ×𝐼01 205
×100 ×104
01 00 260
Et → 2−1 = = 82.
(100) 100
Exemple 2:
Le chiffre d’affaire d’une entreprise a augmenté de 30% de 2010 à 2011 et
diminué de 25% de 2011 à 2012. le CA a-t-il diminué ou augmenté de 2010 à
2012.

Formalisation énoncé:
On a 𝐼11 10 = 130 , 𝐼12 11 = 75 et on cherche 𝐼12 10. Par la propriété de circularité:

1
𝐼12 10 = 𝐼12 11 × 𝐼11 10 × 100

130×75
= 100 = 97,5
Autrement dit, le CA a diminué de 2,5% de 2010 à 2012.
 Produit de grandeurs

Exemple:
Soit P et Q les prix et quantités d’un produit vendu par une entreprise. Si le prix de ce produit augmente de 60% de 2000 à 2010 et si
les quantités vendues ont diminué de 50% de 2000 à 2010 quelle est l’évolution des recettes de 2000 à 2010?
Formalisation: on a
𝑃 𝑄
𝐼10 00
= 160 et 𝐼10 = 50
00
𝑅
Et on cherche 𝐼10 00
𝑜ù 𝑅 = 𝑃 × 𝑄.
𝑅 𝑃 𝑄 1 160×50
𝑝𝑎𝑟 𝑙𝑎 𝑝𝑟𝑜𝑝𝑟𝑖é𝑡é 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒 𝑜𝑛 a 𝐼10 = 𝐼10 × 𝐼10 × = = 80.
00 00 00 100 100
Autrement dit, les recettes ont diminué de 20% de 2000 à 2010.
Définitions et objectifs
Généralités
-Utilisation: étude de grandeurs complexes c-à-d de grandeurs composées de plusieurs grandeurs
simples.
-Exemple: Comprendre l’évolution
•Du prix d’un plat: grandeur composée des prix et quantités de matières premières (farine,
huile,…).
•De la recette globale d’une entreprise: grandeur composée des prix et quantités de l’ensemble
des produits vendus par cette entreprise.
•Du nombre d’entrées au cinéma: grandeur dépendant du nombre de films et du nombre moyen
d’entrées par film pour différents types de films (français, américain,…).
•…
Définition et objectifs
Quelques notations dans un contexte économique

i: indice d’un produit parmi un panier de I produits.

𝑃𝑖 𝑡 𝑜𝑢𝑃𝑖,𝑡 : Prix du produit i à l’instant t.
𝑄𝑖 𝑡 𝑜𝑢 𝑄𝑖,𝑡 : Quantités du produit i à l’instant t.
Définitions:
𝑃𝑖 (𝑡) × 𝑄𝑖 (𝑡) = 𝑉𝑖 (𝑡) est la valeur globale du produit i à l’instant t.
𝑉 𝑡 = 𝑖 𝑃𝑖 𝑡 𝑄𝑖 (𝑡) est la valeur globale de l’ensemble des produits.
𝑉(𝑡) 𝑖 𝑃𝑖 (𝑡)𝑄𝑖 (𝑡)
L’indice de valeur globale est 𝐼𝑡𝑉0 = × 100 = × 100
𝑉(0) 𝑖 𝑃𝑖 0 𝑄𝑖 (0)
Définitions et objectifs
Exemple

Etudions le panier de trois produits vendus à une sous-population (non précisée

ici) en 2010 et 2012.

2010 2012

Produit Prix Quantité Prix Quantité

Ticket simple 1,5 100 2 100
Abonnement hebdomadaire 35 40 50 50

Abonnement mensuel 130 35 175 40

Question: quelle est l’évolution des recettes pour ce panier et la sous-population

étudiée?
Réponse:
𝟐×𝟏𝟎𝟎+𝟓𝟎×𝟓𝟎+𝟏𝟕𝟓×𝟒𝟎
𝑰𝑽𝟏𝟐 = 𝟏,𝟓×𝟏𝟎𝟎+𝟑𝟓×𝟒𝟎+𝟏𝟑𝟎×𝟑𝟓 × 𝟏𝟎𝟎 = 𝟏𝟓𝟗, 𝟎𝟐
𝟏𝟎
Les recettes ont donc augmenté de 59,02% de 2010 à 2012.
Mais cette augmentation est-elle plus due à une augmentation des prix ou des quantités?
 II- Indices de Laspyres, Paasche et Fisher:

Généralités sur les indices synthétiques

Pour pouvoir déterminer l’influence des prix ou des quantités, il faut définir des scenarios
permettant d’isoler soit les prix soit les quantités.
C’est l’idée des indices de Laspayres et de Paasche:
◦ L’indice de Laspeyres des prix, par exemple, regarde l’évolution des prix de 0 à t en supposant que les
quantités sont fixées à la date 0.
◦ L’indice de Paasche des quantités, par exemple, regarde l’évolution des quantités de 0 à t en supposant que
les prix sont fixées à la date t.
 Indices de Laspeyres

Définition:
Les indices de Laspeyres des prix et des quantités sont respectivement définis par:
𝑖 𝑃𝑖 (𝑡)𝑄𝑖 (0) 𝑄 𝑖 𝑃𝑖 (0)𝑄𝑖 (𝑡)
𝐿𝑃𝑡 0 = × 100 et 𝐿𝑡 = × 100
𝑖 𝑃𝑖 (0)𝑄𝑖 (0) 0 𝑖 𝑃𝑖 (0)𝑄𝑖(0)

Application: indices de Laspeyres des prix et quantités sur l’exemple:

2 × 100 + 50 × 40 + 175 × 35
𝐿𝑃12 = × 100 = 136,48
10 1,5 × 100 + 35 × 40 + 130 × 35
𝑄 1,5 × 100 + 35 × 50 + 130 × 40
𝐿12 = × 100 = 116,39
10 1,5 × 100 + 35 × 40 + 130 × 35
Comment interpréter les valeurs 𝐿𝑃12 10 = 136,48 𝑒𝑡
𝑄
𝐿12 = 116,39 ?
10

- A quantité fixées en 2010, les prix ont augmenté de 36,48% de 2010 à

2012.
- A prix fixés en 2010, les quantités ont augmentés de 16,39% de 2010 à
2012.
Indices de Paasche:
Définition:
Les indices de Paasche des prix et des quantités sont respectivement définis par:
𝑖 𝑃𝑖 𝑡 𝑄𝑖 (𝑡) 𝑄 𝑖 𝑃𝑖 (𝑡)𝑄𝑖 (𝑡)
𝑃𝑡𝑃0 = × 100 et 𝑃𝑡 = × 100
𝑖 𝑃𝑖 (0)𝑄𝑖 (𝑡) 0 𝑖 𝑃𝑖 (𝑡)𝑄𝑖 (0)

Application: Indices de Paasche des prix et quantités sur l’exemple

𝑃 2 × 100 + 50 × 50 + 175 × 40
𝑃12 = × 100 = 136,62
10 1,5 × 100 + 35 × 50 + 130 × 40
𝑄 2 × 100 + 50 × 50 + 175 × 40
𝑃12 = × 100 = 116,52
10 2 × 100 + 50 × 40 + 175 × 35
 𝑃 𝑄
Comment interpréter les valeurs 𝑃12 10
= 136,62 et 𝑃12 = 116,52 ?
10

-A quantités fixées en 2012, les prix ont augmenté de 36,62% de 2010 à 2012.
-A prix fixés en 2012, les quantités ont augmenté de 16,52% de 2010 à 2012.
III- Indice de Fisher
Résumé:
Relations entre les différents indices:
Relations entre les différents indices:
Complément: réversibilité des indices synthétiques
Réversibilité:
Réversibilité: