Statistique Descriptive - Lexique

LEXIQUE :

Choisissez le terme à expliquer...

Amplitude d'une classe (ou d'un intervalle) :

C'est la longueur de l'intervalle.

L'amplitude de la classe[ei ei+1 [ est ei+1 - ei .

L'amplitude de la classe [ 55 68 [ est 68 - 55 = 13 (unités de

mesure)

Caractère qualitatif :

Une variable statistique est qualitative si ses valeurs, ou modalités,

s'expriment de façon littérale ou par un codage sur lequel les
opérations arithmétiques telles que moyenne, somme, ... , n'ont pas
de sens.

Exemples Sexe de la personne interrogée, situation

: familiale,
numéro de son département de naissance, ...
Etat du temps constaté à un endroit donné
chaque jour
(pluvieux, neigeux, beau, venteux, ...)

Caractère quantitatif :

Une variable statistique est quantitative si ses valeurs sont des

nombres sur lesquels des opérations arithmétiques telles que
somme, moyenne, ... ont un sens.
:
 Exemples : Taille, poids, salaire
Rendement
Note à un examen
PNB / habitant, espérance de vie,
nombre d'habitants d'un ensemble de pays

Caractère statistique (ou variables statistiques) :

C'est ce qui est observé ou mesuré sur les individus d'une

population statistique.
Il peut s'agir d'une variable qualitative ou quantitative.

Exemples Taille, poids, salaire, sexe, profession

: d'un groupe donné d'individus
Rendement d'un ensemble de parcelles
cultivées
Température maximale et minimale,
pluviométrie, ensoleillement, mesurés à
un endroit donné tous les jours.

Centiles :

Les centiles C1, C2 , ... , C99 divisent une série statistique en 100
parties d'effectifs égaux.

Ce sont les abscisses respectives des points d'ordonnée 0.01 ; 0.02 ;

... ; 0.99 sur la courbe cumulative croissante.

Par exemple le centile C98 est une valeur dépassée par 2 % des
observations ; les centiles n'ont de sens que si on dispose d'un
grand nombre (plusieurs centaines) d'observations.

Centre de gravité :

Le centre de gravité d'un nuage de points Mi de coordonnées (xi , yi)

:
 est le point G de coordonnées ( , ) ; c'est le point moyen du
nuage.

est la moyenne des xi

et la moyenne des yi

Classe modale :

C'est la classe correspondant au maximum de l'histogramme, dans

le cas d'une distribution continue unimodale.

Classes :

Intervalles de valeurs d'une variable continue, l'ensemble des

classes formant une partition de l'ensemble des valeurs possibles de
la variable.

Par exemple, si tous les salaires des employés d'une entreprise se

situent entre 750 et moins de 3 000 €, on peut construire (par
exemple) les classes :

[ 750 - 900 [ , [ 900 - 1 500 [ , [1 500 - 2 250 [ , [2 250 - 3 000 [

:
 Chaque valeur observée de la variable doit appartenir à une classe et
une seule.

Coefficient de corrélation (linéaire) :

Le coefficient de corrélation entre deux variables statistiques X et Y

sur les mêmes individus est le nombre :

où cov ( X , Y ) est la covariance entre X et Y,

et sX sY les écarts-types de X et Y.

Ce coefficient est toujours compris entre -1 et + 1.

S'il est proche de + 1 ou - 1, X et Y sont bien corrélées, c'est-à-dire

qu'elles sont liées entre elles par une relation presque affine ; le
nuage de points est presque aligné le long d'une droite (croissante si
r = + 1, décroissante si r = - 1). S'il n'y a aucun lien entre X et Y, ce
coefficient est nul, ou presque nul.

Exemples :
:
 (Voir plus de détails dans le module "Ajustement Linéaire")

Coefficient de Spearman (ou coefficient de corrélation des

rangs) :

C'est, dans le cas de deux variables ordinales X et Y mesurées sur

les mêmes individus, le coefficient de corrélation entre le rang des
individus pour X et le rang des individus pour Y.

Courbe cumulative croissante (ou fonction de répartition) :

C'est le tracé de la fonction N qui à tout x associe N ( x ) = nombre

d'observations ≤ x. Il s'obtient au moyen des effectifs cumulés
croissants.

Dans le cas discret on a une fonction en escalier, dans le cas continu

une fonction continue, affine par morceaux.

Si on raisonne en fréquences (au lieu d'effectifs), on a le tracé de la

fonction de répartition.

F ( x ) = proportion d'observations ≤ x

Exemples :
:
 Courbe cumulative décroissante :

C'est le tracé de la fonction N' qui à tout x associe N' ( x ) = nombre

d'observations > x. Il s'obtient au moyen des effectifs cumulés
décroissants.

Exemples :
:
 Courbe de régression :

Si X et Y sont 2 variables quantitatives, la courbe de régression de Y

en X est la courbe représentant les moyennes conditionnelles de Y, à
X fixé.

La courbe de régression de X en Y représente les moyennes

conditionnelles de X, à Y fixé.

Exemples :

Covariance :

On appelle covariance de deux variables statistiques X et Y sur les

mêmes n individus le nombre :

"Moyenne des produits moins le produit des moyennes"

Ce nombre est positif si X et Y ont tendance à varier dans le même

sens, et négatif si elles ont tendance à varier en sens contraire.

Si les données sont groupées en ( xi , yi ) d'effectifs ni ,

:
 Déciles :

Les déciles D1 , D2 , ... , D9 divisent une série statistique en 10 parties

d'effectifs égaux.

Ce sont les abscisses respectives des points d'ordonnée 0.1 ; 0.2 ; ...
; 0.9 sur la courbe cumulative croissante.

Diagramme circulaire (ou à secteurs circulaires, ou en

camembert) :

Diagramme permettant de représenter la distribution d'une variable

qualitative : les modalités sont représentées par des portions de
disque proportionnelles à leur effectif, ou à leur fréquence.

Exemple : l'angle α est proportionnel à

l'effectif, où à la fréquence
par exemple pour représenter
15 % :

α = 0.15 × 360 = 54°

Diagramme en barres (ou en tuyaux d'orgue) :

Diagramme représentant la distribution d'une variable qualitative :

les modalités sont placées en abscisse, formant des bases de
rectangles égales et équidistantes, et les effectifs (ou fréquences)
en ordonnée, suivant une échelle arithmétique.

Les surfaces des rectangles obtenus sont proprotionnelles aux

effectifs (ou aux fréquences).

Exemple :
:
 Diagramme en bâtons :

Diagramme représentant la distribution d'une variable quantitative

discrète : les valeurs sont placées en abscisse, les effectifs (ou
fréquences) en ordonnée, au moyen de segments verticaux.

Exemple :

Diagramme en boîte (ou boîte à moustaches) :

Il s'agit d'un diagramme permettant de positionner les quartiles Q1 ,

Q2 , Q3 , au moyen de rectangles de largeur arbitraire, prolongés par
des "moustaches" de part et d'autre, de longueur au plus égale à
une fois et demie Q3 - Q1

Si la plus petite ou la plus grande valeur observée se trouvent à

l'intérieur, on raccourcit les moustaches correspondantes ; si elles se
trouvent à l'extérieur, on positionne à part les valeurs "aberrantes"
qui dépassent des moustaches :

Ces diagrammes sont surtout utiles pour comparer rapidement

l'allure générale de plusieurs distributions.
:
 Diagramme tige-feuilles :

Diagramme permettant simultanément de dépouiller les données

d'une série statistique et de faire une représentation graphique.

Chaque observation individuelle est représentée par sa tige

(premiers chiffres, communs à plusieurs valeurs observées),et sa
feuille (derniers chiffres).

Dispersion :

Un paramètre statistique est dit de dispersion s'il s'agit d'un nombre

clé résumant la plus ou moins grande disparité des observations,
leur plus ou moins grande variabilité de part et d'autre de la
tendance centrale : étendue, écart-type sont des paramètres de
dispersion.

Distribution :

Ensemble des valeurs, modalités ou classes d'une variable

statistique, et des effectifs ou fréquences associées :

Par exemple :

pour une variable Modalités Effectifs

qualitative : n1
A
B n2
... ...
L nK

Classes Effectifs Fréquences

[ 10 -
12 [
n1 f1
[ 12 -
14 [ n2 f2
:
 pour une variable continue : [ 14 - n3 f3
16 [
n4 f4
[ 16 -
20 [
Total n 1

Distribution conditionnelle :

La distribution conditionnelle d'une variable Y, pour X fixé, ( X égal à

xi , modalité ou valeur, ou X appartenant à une classe donnée) est la
distribution statistique des valeurs de Y, en se limitant aux individus
pour lesquels X est égal à xi (ou appartient à une classe donnée).

Exemple : 1) Distributions conditionnelles de l'âge, pour la catégorie

X fixée :

Catégorie Age (années)

A 32 ; 35 ; 40 ; 42 ; 43 ; 43 ; 49 ; 50 ; 55 ; 58
22 ; 26 ; 27 ; 27 ; 29 ; 30 ; 31 ; 31 ; 33 ; 34 ;
B
36 ; 36 ; 38 ; 39 ; 39 ; 42 ; 44 ; 46 ; 51 ; 53
20 ; 20 ; 21 ; 22 ; 23 ; 24 ; 24 ; 24 ; 26 ; 27 ;
C 28 ; 28 ; 28 ; 29 ; 29 ; 30 ; 32 ; 33 ; 33 ; 35 ;
38 ; 41 ; 43 ; 45 ; 45

Exemple : 2) Distributions conditionnelles de la catégorie, par

tranche d'âge :
:
 Distribution marginale :

Distribution d'une variable statistique, obtenue dans la marge d'un

tableau de contingence, en ajoutant les effectifs ligne par ligne, ou
colonne par colonne.

Données brutes (Données statistiques brutes) :

Ensemble de mesures ou d'observations concernant l'état ou

l'évolution d'un phénomène. Ce sont les valeurs prises par une ou
plusieurs variables sur un certain nombre d'individus.

Données statistiques :

Séries de mesures, d'observations, d'une ou plusieurs variables

statistiques sur un ensemble d'individus.

Ecart interquartile :

C'est la différence entre le 3ème et le 1er quartile, amplitude de

l'intervalle interquartile :

Q3 - Q1

Ecart-type :

C'est la racine carrée de la variance :

pour des données groupées.

Une distribution aura un écart-type d'autant plus faible (proche de 0)

qu'elle sera ramassée autour de la moyenne, avec des valeurs très
peu différentes les unes des autres.
:
 Effectif :

Nombre d'individus pour lesquels une variable statistique a pris une

valeur donnée. Si, sur 150 familles, 50 ont 2 enfants, on dira que
l'effectif ni correspondant à la valeur xi = 2 de la variable "nombre
d'enfants", est 50.

Effectifs cumulés :

Résultat de l'addition, de proche en proche, des effectifs d'une

distribution observée, soit en commençant par le 1er :

N1 = n1 , N2 = n1 + n2 , ... , Ni = n1 + n2 + ... + ni

(effectifs cumulés croissants),

soit en commençant par le dernier :

N'K = nK , N'K-1 = nK + nK-1 , ... , Ni' = nK + nK-1 + ... + ni

(effectifs cumulés décroissants).

Exemples : Effectifs Effectifs

Nombre Nombre
cumulés cumulés
d'appels de jours
croissants décroissants
0 2 2 96
1 14 16 94
2 23 39 80
3 24 63 57
4 18 81 33
5 9 90 15
6 6 96 6
Total : 96

Effectif total :

C'est le nombre d'observations, d'une série statistique brute,

nombre d'individus de la population étudiée.
:
 Il est égal à la somme des effectifs associés aux différentes
modalités, valeurs ou classes :

Etendue :

Différence entre la plus grande et la plus petite des observations

d'une série statistique. C'est un paramètre de dispersion.

Fonction de répartition :

C'est le tracé de la fonction N qui à tout x associe N ( x ) = nombre

d'observations ≤ x. Il s'obtient au moyen des effectifs cumulés
croissants.

Dans le cas discret on a une fonction en escalier, dans le cas continu

une fonction continue, affine par morceaux.

Si on raisonne en fréquences (au lieu d'effectifs), on a le tracé de la

fonction de répartition.

F ( x ) = proportion d'observations ≤ x

Fractiles :

On appelle fractiles des valeurs F1 , F2 , ... , Fk-1 divisant une série en

k parties d'effectifs égaux.

On a autant de valeurs ≤ F1 que de valeurs comprises entre F1 et F2 ,

ou entre F2 et F3 , etc.

Pour k = 4, ce sont les 3 quartiles Q1 , Q2 , Q3 (Q2 étant la médiane).

Fréquence (ou fréquence relative) :

C'est la proportion (ou le pourcentage) d'individus pour lesquels une

variable statistique a pris une valeur donnée. Si, sur 150 familles, 50
:
 ont 2 enfants, on dira que la fréquence fi correspondant à la valeur xi
= 2 de la variable "nombre d'enfants", est :

= 0.33 soit 1/3 ou 33.33 %

Fréquences cumulées :

Résultat de l'addition, de proche en proche, des fréquences d'une

distribution observée, soit en commençant par le 1er :

F1 = f1 , F2 = f1 + f2 , ... , Fi = f1 + f2 + ... + fi

(fréquences cumulées croissantes),

soit en commençant par le dernier :

F'K = fK , F'K-1 = fK + fK-1 , ... , F'i = fK + fK-1 + ... + fi

(fréquences cumulées décroissantes).

Exemples : Fréquences Fréquences

Nombre Fréquences
cumulées cumulées
d'appels en %
croissantes décroissantes
0 2.08 2.08 100
1 14.58 16.66 97.92
2 23.96 40.62 83.34
3 25.00 65.62 59.38
4 18.75 84.37 34.38
5 9.38 93.75 15.63
6 6.25 100 6.25

Histogramme :

Graphique permettant de représenter une distribution continue

regroupée en classes : rectangles juxtaposés dont les bases sont les
classes, et les surfaces sont proportionnelles aux effectifs (ou
:
 fréquences) associés.

Si les classes sont de même amplitude ai , on place en ordonnée les

effectifs ni (ou les fréquences fi ).
Si les amplitudes ai sont différentes, on place ni / ai (ou fi / ai ).

Exemples :

Indépendance :

2 variables statistiques X et Y sont dites indépendantes si la

distribution conditionnelle de Y , pour tout x , est constante (c'est-à-
dire ne dépend pas de x). Cela signifie que les lignes du tableau de
contingence sont proportionnelles, ou de façon équivalente que les
colonnes du tableau de contingence sont proportionnelles, et donc
que la distribution conditionnelle de X , pour tout y , est constante.

Exemples : Y
Célibataires Mariés Veufs Divorcés Total
:
 homme 20 10 2 4 36
X
femme 30 15 3 6 54
Total 50 25 5 10 90

"sexe" et "situation matrimoniale" sont ici deux variables

indépendantes.

Individu (ou unités statistiques) :

Les individus sont les éléments de la population statistique étudiée.

Pour chaque individu, on dispose d'une ou plusieurs observations.

Exemples chacune des personnes interrogées pour une

: enquête
chaque parcelle cultivée en vue d'étudier le
rendement
chaque pays pour lequel on étudie des données
socio-économiques, ..
chaque jour de l'année pour lequel on dispose de
données météorologiques, ...

Inégalité de (Bienaymé)-Tchébichev :

Pour toute population de moyenne et d'écart-type s , la proportion

de valeurs de l'intervalle [ - k s ; + k s ] est d'au moins égale à 1 -

, pour tout k ³ 1.

Par exemple, 75 % des valeurs au moins appartiennent à :

[ - 2 s ; + 2 s ], c'est-à-dire s'écartent de moins de 2 écart-types
de la moyenne.

Intervalle interquartile :
:
 C'est l'intervalle entre le 1er et le 3ème quartile : [ Q1 Q3 ].

Il contient 50 % des observations ; 25 % sont inférieures et 25 %

sont supérieures.

Intervalle médian :

C'est l'intervalle du milieu d'une série statistique comprenant un

nombre pair d'observations :

Médiane :

La médiane M d'une série statistique rangée par ordre croissant

x(1) < x(2) < .... < x(n) est la valeur "du milieu", soit x(p+1) si n est impair
et vaut 2 p + 1, ou

si n est pair et vaut 2 p

M est l'abscisse du point d'intersection des courbes cumulatives,

d'ordonnée n/2 en effectifs ou 0.5 en fréquences.

Modalité :

Les modalités d'une variable qualitative sont les différentes valeurs

que peut prendre celle-ci.

Par exemple les modalités de la variable "situation familiale" sont :

célibataire, marié, veuf, divorcé.

Les modalités de la variable "sexe" sont : féminin, masculin (pouvant

être codées par exemple 0 et 1).

Moyenne arithmétique :
:
 C'est le quotient de la somme d'une série d'observations par leur
nombre.

Pour une série brute x1 , x2 , .... , xn ,

Pour une série groupée ( xi , ni ) , i = 1, ... , K ,

Moyenne conditionnelle :

Les moyennes conditionnelles sont les moyennes des distributions

conditionnelles : valeurs moyennes de Y , pour X fixé ou valeurs
moyennes de X , pour Y fixé.

Moyenne pondérée :

La moyenne des nombres x1 , x2 , ... , xn , pondérée par les poids p1 ,

p2 , ... , pn (nombres positifs de somme 1) est égale à :

Dans le calcul de cette moyenne, les valeurs ayant un poids

important comptent davantage que celles ayant un poids faible.

Nuage de points :

Ensemble de points isolés représentés dans un graphique cartésien :

points M1 , M2 , ... , Mn
de coordonnées ( x1 , y1 ) ; ( x2 , y2 ) ; ... ; ( xn , yn ).

Exemples :

taille et poids de 60
enfants
:
 Paramètres statistiques :

Ce sont quelques nombres permettant de résumer numériquement

les traits principaux d'une distribution statistique.

Par exemple : la moyenne, l'écart-type, l'étendue sont des

paramètres statistiques.

Population statistique :

Une population statistique est l'ensemble sur lequel on effectue des

observations.

Exemples : ensemble de personnes interrogées pour une

enquête
ensemble de parcelles cultivées sur lesquelles on
mesure un rendement
ensemble de pays pour lesquels on dispose de
données géographiques ou économiques, ...

Position :

Un paramètre statistique est dit de position s'il s'agit d'un nombre

:
 clé permettant de préciser où se répartit une certaine fraction des
observations ainsi les quartiles permettent de situer le 1/4 inférieur, la
moitié, le 1/4 supérieur des observations.

Profils :

Ce sont les distributions conditionnelles, écrites en fréquences et

non en effectifs.

On peut les représenter graphiquement par :

Quartiles :

Les quartiles Q1 , Q2 , Q3 divisent une série statistique en 4 parties

d'effectifs égaux : 25 % des valeurs sont ≤ Q1 , 25 % comprises
entre Q1 et Q2 ; 25 % entre Q2 et Q3 , et 25 % supérieures à Q3.

Q1 , Q2 , Q3 sont respectivement l'abscisse des points d'ordonnées

0.25 ; 0.5 ; 0.75 sur la courbe cumulative croissante. Q2 est égal à la
médiane.

Rang :

Si X est une variable ordinale mesurée sur n individus, le rang de

l'individu i pour X est le numéro d'ordre de i, si on range toutes les
valeurs xi par ordre croissant.
:
 Exemple : si les xi obtenus sont : O R D R E ; le rang de l'individu n° 3,
pour l'ordre alphabétique, est 1 ; le rang de l'individu n° 5 est 2, etc ...

Rapport de corrélation :

C'est

coefficient compris entre 0 et 1 mesurant la part plus ou moins

grande de la variabilité d'une variable Y qui peut être expliquée par
les variations d'une autre variable X, qualitative, discrète, ou continue
découpée en classes.

Série statistique (ou distribution observée) :

Ensemble des modalités, valeurs, ou classes d'une variable, avec les

effectifs observés correspondants.

Exemples : Modalités Effectifs

Célibataire 30
Marié 80
Divorcé 20
Veuf 20

Nombre d'enfants xi Effectif ni

0 6
1 4
2 5
3 2
4 1

Classes de tailles ( en cm) Effectifs

moins de 160 1
[ 160 - 165 [ 5
[ 165 - 170 [ 21
[ 170 - 175 [ 29
175 et plus 4
:
 Statistique descriptive univariée :

La Statistique descriptive univariée consiste en la description de

chacun des caractères statistiques, un par un, et non des liens
éventuels existant entre eux.

Statistique descriptive bivariée :

La Statistique descriptive bivariée consiste en la description de deux

variables mesurées simultanément sur les mêmes individus. Elle
permet de mettre en évidence le type de lien existant
éventuellement entre ces variables.

Statistique inférentielle :

Partie de la statistique qui, contrairement à la statistique descriptive,

ne se contente pas de décrire des observations, mais extrapole les
constatations faites à un ensemble plus vaste, permet de tester des
hypothèses sur cet ensemble, et de prendre des décisions le
concernant. [Voir les modules "Echantillonnage-Estimation" et
"Tests"]

Tableau de contingence :

Tableau résultant du tri croisé de deux variables.

Y
Célibataires Mariés Veufs Divorcés
X homme 30 20 3 7
femme 40 25 5 10

Tendance centrale :

Un paramètre statistique est dit de tendance centrale s'il s'agit d'un

nombre clé autour duquel les observations sont réparties : mode,
:
 médiane, moyenne sont des paramètres de tendance centrale.

Tri à plat d'une série statistique brute :

C'est l'inventaire des modalités ou valeurs rencontrées dans la série,

avec les effectifs correspondants.

Nombre de
Situation
personnes dans
familiale
cette situation
célibataire 150
marié 120
divorcé 10
veuf 80

Nombre de
Nombre personnes ayant
d'enfants ce nombre
d'enfants
0 103
1 115
2 95
3 35
4 10
5 2

Tri croisé :

A partir de 2 variables X et Y mesurées sur les mêmes individus,

décompte des effectifs correspondant à chaque couple ( xi , yj ) :

nombre d'individus pour lesquels X = xi et Y = yj

Unimodale :

Une distribution est unimodale si elle présente un maximum marqué,

correspondant à une valeur appelée mode.

S'il y a plusieurs maxima relatifs, la distribution est plurimodale

:
 (bimodale dans le cas 2)

Unité statistique (ou individu(s) ) :

Les individus sont les éléments de la population statistique étudiée.

Pour chaque individu, on dispose d'une ou plusieurs observations.

Exemples chacune des personnes interrogées pour une

: enquête
chaque parcelle cultivée en vue d'étudier le
rendement
chaque pays pour lequel on étudie des données
socio-économiques, ...
chaque jour de l'année pour lequel on dispose de
données météorologiques, ...

Variable continue :

C'est une variable quantitative pouvant prendre par nature une

infinité de valeurs, généralement tout un intervalle réel.

Exemples : tailles, poids, salaires, surfaces cultivées,

températures, ...

Variable dichotomique :

C'est une variable qualitative qui ne peut prendre que 2 modalités :

OUI ou NON ; masculin ou féminin ; bon ou mauvais , etc....
:
 Variable discrète :

C'est une variable quantitative pouvant prendre par nature un

nombre fini (ou dénombrable) de valeurs.

Exemples nombre d'enfants par famille

: nombre de pièces d'un appartement
nombre de pièces défectueuses dans un
lot de pièces mécaniques ...

Variable qualitative (ou caractère qualitatif) :

Une variable statistique est qualitative si ses valeurs, ou modalités,

s'expriment de façon littérale ou par un codage sur lequel les
opérations arithmétiques telles que moyenne, somme, ... , n'ont pas
de sens.

Exemples sexe de la personne interrogée, situation

: familiale, numéro de son département de
naissance, ...
état du temps constaté à un endroit
donné chaque jour (pluvieux, neigeux,
beau, venteux, ...)

Variable qualitative nominale :

C'est une variable qualitative dont les modalités ne sont pas

ordonnées.

Exemples la variable sexe peut être notée M F , 0 1 ,

: ou 1 0
la variable CSP : on ne peut pas classer
les catégories socio- professionnelles
selon un ordre préétabli.
:
 Variable qualitative ordinale :

C'est une variable qualitative dont les modalités sont naturellement

ordonnées selon un ordre total : on peut dire que selon un certain
sens la modalité A est moins forte que la B, qui est moins forte que la
C, etc...

Exemples tailles de vêtement 0 1 2 3 ... mais la taille 2

: ne signifie pas que le vêtement est 2 fois
plus grand que celui de la taille 1 ! Il ne s'agit
pas d'une variable quantitative discrète.

Variable quantitative (ou caractère quantitatif) :

Une variable statistique est quantitative si ses valeurs sont des

nombres sur lesquels des opérations arithmétiques telles que
somme, moyenne, ... ont un sens.

Exemples : taille, poids, salaire

rendement
note à un examen
PNB / habitant, espérance de vie, nombre
d'habitants d'un ensemble de pays

Variable statistique (ou caractère statistique) :

C'est ce qui est observé ou mesuré sur les individus d'une

population statistique. Il peut s'agir d'une variable qualitative ou
quantitative.

Exemples : taille, poids, salaire, sexe, profession d'un groupe

donné d'individus
rendement d'un ensemble de parcelles cultivées
température maximale et minimale, pluviométrie,
ensoleillement, mesurés à un endroit donné tous les
:
 jours.

Variance :

C'est la moyenne des carrés des écarts à la moyenne :

s² =

( xi - )² pour des données isolées, et

( ni)( xi - )² pour des données groupées.

( xi est le centre de classe dans le cas de données regroupées en

classes).

On peut aussi calculer la variance par :

( x²i ) - ² ou

ni x²i) - ²

Par exemple : la variance de la série : 8 9 10 10 12 14 14 16, qui a

pour moyenne = 11.625 est :

s² =

[ (8 - 11.625)² + (9 - 11.625)² + 2 (10 - 11.625)² + (12 - 11.625)² + 2

(14 - 11.625)² + (16 - 11.625)² ]
:
 =

(8² + 9² + 2 × 10² + 12² + 2 × 14² + 16²) - (11.625)² = 6.9844

La racine carrée de la variance est l'écart-type, qui s'exprime dans la

même unité que les xi et mesure la plus ou moins grande dispersion
des valeurs de part et d'autre de la moyenne.

Variance expliquée :

C'est la variance des moyennes des distributions conditionnelles : si

Y est quantitative, et si X subdivise l'ensemble des individus en K
classes d'effectifs n1 , n2 , ... , nK telles que la moyenne de Y sur
chaque classe est : 1 , ... , K ,

la variance de Y expliquée par X est :

( ni ²i ) - ²

Variance résiduelle :

C'est la moyenne des variances des distributions conditionnelles,

pondérées par les effectifs. SiY est quantitative, et si X subdivise
l'ensemble des individus en K classes d'effectifs n1 , n2 , ... , nK telles
que la moyenne de Y sur chaque classe est :

1 , ... , K ,

avec les variances s²1 , s²2 , ..., s²K , la variance de Y se décompose

en :
:
 Le premier terme de la somme est la variance de Y expliquée par X,
le second la variance résiduelle.
: