R

Table des matières

OU
0.1 VOCABULAIRE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.1.1 Population . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.1.2 Individu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.1.3 Echantillion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.1.4 Caractère . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.1.5 Caractère quantitatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.1.6 Caractère qualitatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.1.7 Nature d’un caractère quantitatif . . . . . . . . . . . . . . . . . . . . . . 3
0.2 ETUDE DES CARACTERES . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.2.1 Modalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
-MB
0.2.2 Classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.2.3 Effectif d’une modalité ou d’une classe . . . . . . . . . . . . . . . . . . . 4
0.2.4 Fréquence d’une modalité ou d’une classe . . . . . . . . . . . . . . . . . . 4
0.2.5 Tableau statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.2.6 Notion de variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.2.7 Etude des caractères quantitatif . . . . . . . . . . . . . . . . . . . . . . . 5
0.2.8 Série statistique et distribution statistique . . . . . . . . . . . . . . . . . 5
0.2.9 Effectif cumulés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.2.10 Fréquence cumulées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
0.2.11 Tableau cumulatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.2.12 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.3 REPRESENTATIONS GRAPHIQUES . . . . . . . . . . . . . . . . . . . . . . . 6
ISM

0.3.1 Variable discrète . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

0.3.2 Varaiable quantitative . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
0.3.3 Variable continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
0.4 CARACTERISTIQUES DE POSITION . . . . . . . . . . . . . . . . . . . . . . 8
0.4.1 Moyenne arithmétique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.4.2 Mode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.4.3 Médiane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
0.4.4 Quartiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
0.5 CARACTERISTIQUES DE DISPERSION . . . . . . . . . . . . . . . . . . . . . 13
0.5.1 Etendue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
0.5.2 L’écart interquartile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
0.5.3 Intervalle interquartile . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
0.5.4 Ecart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1
M. NDIAYE ISM-MBOUR Année 2017-2018

SEMINAIRE STATISTIQUE A UNE VARIABLE BP1

La statistique est une science dont l’objet est de collecter des données, de les traiter, de les
analyser et de les interpréter en vue de prendre une décision. Elle est de nos jours présente dans
tous les secteurs de la vie socio-économique : banque, finance, assurance, médecine, sciences

R
sociales, météo, enseignement ...
Elle a connu un développement important avec l’outil informatique. Elle constitue une aide
appréciable à la prise de décision tant au niveau politique, économique, que social.
Mais pour faire de la statistique, il est important connaitre la terminologie appropriée. C’est
pourquoi nous commençons par le vocabulaire

OU
0.1 VOCABULAIRE
Activité
Un professeur de mathématiques étudie les notes de ses 20 étudiants après l’examen du premier
semestre en DSG 1.
Voici la liste des notes obtenues par les étudiants :
10 - 7 - 5 - 9 - 13 - 11 - 16 - 17 - 14 - 13 - 16 - 8 - 6 - 10 - 8 - 11 - 10 - 12 - 7 - 9.
-MB
0.1.1 Population
L’ensemble sur lequel on recueille les données est appelé population.
les élèves de cette classe constituent la population statistique.

0.1.2 Individu
Tout élément de la population est appelé individu.
chaque étudiant de cette classe est un individu.

0.1.3 Echantillion
Lorsque l’effectif sur lequel on travail est trop grand il est préférable de tarvailler sur un
ISM

échantillon. Un échantillon est un sous ensemble de la population.

Exemple
Lorsque l’effectif de l’échantillon est égal à n on dira que l’échantillon est de taille n.
Un échatillon doit être représentatif de la population.

0.1.4 Caractère
Un caractère est toute information qu’on peut étudier sur la population.
Exemple
∗ Sur une population d’étudiants, on peut étudier :
- les caractères : âge , taille , nationalité, genre, situation matrimoniale ...
∗ Sur une population d’entreprises, on peut étudier
- les caractères : nombre d’employés, chiffre d’affaires de l’année 2017, capital ...
∗ Sur une population d’écoles, on peut étudier les caractères : nombre d’étudiants, taux de
réussite ...

[email protected] 2/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

Remarque
Un caractère est soit quantitatif soit qualitatif.

0.1.5 Caractère quantitatif

R
Un caractère est dit quantitatif s’il est mesurable ou s’il peut être exprimé à l’aide de chiffres
significatifs.
Exemple Sur une population d’étudiants, les caractères ”âge” et ”taille”.

OU
0.1.6 Caractère qualitatif
Il s’agit de tout caractère qui n’est pas mesurable.
Sur une population d’étudiant les caractères ”nationalité” et ”ethnie”, sport pratiqué sont
qualitatifs car ils ne peuvent pas être mesurés.

0.1.7 Nature d’un caractère quantitatif

Un caractère quantitatif est soit discret soit continu.
∗ Il est discret lorsqu’il prend des valeurs isolées.
-MB
Exemple :Pour étudier la fréquence de ses clients pendant une période donnée, la direction
commerciale d’un hôtel à la station balnéaire de Saly réalise une étude qui est résumée dans le
tableau suiavant.
Nombre de jours à l’hotel 2 3 4 5 6
Effectifs 30 25 20 10 5
1) Préciser la population, le caractère et sa nature.
2) Donner deux modalités en précisant leurs effectifs.
3) Préciser l’effectif total de cette population.

∗ Un caractère quantitatif est continu s’il prend peu ou pas de valeurs isolées. C’est-à-dire
lorsqu’il est susceptible de prendre toutes les valeurs d’un intervalle.
Exemple :Le tableau ci-dessous donne la répartition des joueurs de football d’une selection,
selon la taille en centimètre
ISM

Taille [165 ;175[ [175 ;185[ [185 ;195[ [195 ;205[

Effectifs 6 15 20 9
1) Préciser la population, le caractère et sa nature.
2) Préciser l’eefectif total de cette selection.

0.2 ETUDE DES CARACTERES

0.2.1 Modalité
On appelle modalité toute valeur possible d’un caractère qualitatif ou quantitatif discret.
Exemple 1
∗ Sur une population d’étudiants, les modalités du caractère ”mention obtenus au bac” sont :
passable, assez bien, bien, très bien.
∗ Sur une population d’étudiants, les modalités du caractère ” Note obtenue à l’épreuve de

[email protected] 3/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

maths à l’examen ” sont : 0 ;1 ;2 ; 3 ;... ;20.

Exemple 2 la note 10 est une modalité dans l’activité d’introduction.

0.2.2 Classes

R
Dans le cas d’un caractère continu, les modalités sont regroupées en classes. Une classe est
un intervalle du type [a; b[ , il est obtenu par regroupement des valeurs du caractère.
a+b
Le centre d’une classe [a; b[ est et l’amplitude est égale à b − a
2

OU
Exemple

Nombre de jours à l’hotel 2 3 4 5 6

Effectifs 30 25 20 10 5
Ici les modalités sont les valeurs prises par les nombres de jours.

0.2.3 Effectif d’une modalité ou d’une classe

On appelle effectif d’une modalité M , le nombre d’individus pour lesquels le caractère prend
la valeur M . On appelle effectif d’une classe, le nombre d’individus pour lesquels le caractère
prend une valeur appartenant è cette classe.
-MB
0.2.4 Fréquence d’une modalité ou d’une classe
On appelle fréquence d’une modalité M , la proportion d’individus pour lesquels le caractère
prend la valeur M .
On appelle fréquence d’une classe, la proportion d’individus pour lesquels le caractére prend
une valeur appartenant á cette classe.
Si ni représente l’effectif d’une modalité Mi ou d’une classe [ai , bi [ et fi la fréquence, alors
ni Ef f ectif partiel
fi = = , où N est l’effectif total de la population.
N Ef f ectif total
La fréquence est souvent donnée en pourcentage. on retient dès lors.

ni
ISM

fi = × 100
N
.

0.2.5 Tableau statistique

La série statistique de l’activité d’introduction ´ Notes des élèves ª est une série brute. Elle
nı́est pas ordonnée.
Un tableau statistique permet d’organiser des données en rendant compte des modalités, effec-
tifs et fréquences.
Modalité M1 M2 M3 ··· Mp Total
Effectifs n1 n2 n3 ··· np N
Fréquences f1 f2 f3 ··· fp 1
Exemple
Voici la série ordonnée (ordre croissant) :
5 - 6 - 7 - 7 - 8 - 8 - 9 - 9 - 10 - 10 - 10 - 11 - 11 - 12 - 13 - 13 - 14 - 16 - 16 - 17

[email protected] 4/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

1) Etablir le tableau statistique. On y fera figurer les effectifs de chaque modalité, les ECC
et ECD les fréquences (en pourcentage), les FCC et FCD.
2) Quel est l’effectif cumulé croissant de la note 9 ? Interpréter cette valeur trouvée.

R
3) Quelles est l’effectif cumulé croissant de la note 12 ? Interpréter cette valeur trouvée.

0.2.6 Notion de variable

OU
Un caractère est une quantité ou une qualité susceptible de fluctuations ou encore une
grandeur à laquelle on peut attribuer plusieurs valeurs différentes. Pour ces raisons on est
amené è l’appeler souvent une variable. On pourra donc parler de variable discrète, variable
continue, variable qualitative.

0.2.7 Etude des caractères quantitatif

0.2.8 Série statistique et distribution statistique

-MB
Soit X une variable discrète dont les modalités notées dans l’ordre croissant x1 , x2 · ··, xn ,
sont d’effectifs n1 , n2 · ··, nn .
On appelle série statistique, l’ensemble noté GX défini par GX = {(xi ; ni ); 1 ≤ i ≤ p}.
On appelle distribution l’ensemble noté DX défini par : GX = {(xi ; fi ); 1 ≤ i ≤ p}.
Dans le cas d’une série continue dont les classes sont [ai , bi [, 1 ≤ i ≤ p, d’effectifs n1 , n2 · ··, nn
et de fréquence f1 , f2 · ··, fn ,
GX = {(ci ; ni ); 1 ≤ i ≤ p} et DX = {(ci ; fi ); 1 ≤ i ≤ p} où ci est le centre de classe [ai , bi [.

0.2.9 Effectif cumulés

Soit X une variable statistique (caractère quantitatif) dont les modalités sont notées dans
l’ordre croissant x1 ,x2 ,· · ·, xn .
ISM

On appelle effectif cumulé croissant de la modalité xi , le nombre d’individus pour lesquels X

prend au plus la valeur xi .
On appelle effectif cumulé décroissant de la modalité xi , le nombre d’individus pour lesquels X
prend au moins la valeur xi .

0.2.10 Fréquence cumulées

Soit X une variable statistique (caractère quantitatif) dont les modalités sont notées dans
l’ordre croissant x1 ,x2 ,·,xn .
On appelle fréquence cumulée croissante de la modalité xi , la proportion d’individus pour
lesquels X prend au plus la valeur xi .
On appelle fréquence cumulée décroissante de la modalité xi ,la proportion d’individus pour
lesquels X prend au moins la valeur xi .
Remarque
Dans le cas continu on définit de même les effectifs et fréquences cumulés.

[email protected] 5/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

0.2.11 Tableau cumulatif

Un tableau cumulatif, permet de rendre compte des modalités, des effectifs et fréquences
cumulés.

R
Modalité M1 M2 M3 ··· Mp Total
Effectif n1 n2 n3 ··· np N
Fréquences f1 f2 f3 ··· fp 1
ECC n1 n1 + n2 n1 +n2 +n3 ··· N

OU
ECD N N − n1 N −n1 −n2 ··· np
FCC f1 f1 + f2 f1 + f2 + f3 ··· 1
FCD 1 1 − f1 1 − f1 − f2 ··· fp

0.2.12 Application
On choisit au hasard un groupe de 50 ’étudiants et on étudie leur répartition selon l’âge.
On a obtenu le tableau suivant :

Age 18
-MB
20 21 23 24
Effectifs 1 5 19 17 8
1) Quelle est la population étudiée ?
2) Préciser le caractère et sa nature.
3) Déterminer la moyenne des âges puis interpréter.
4) Déterminer le tableau des effectifs et fréquences (en pourcentge) cumulées croissants.
5) Déterminet le poucentage des étudiants dont l’âges est au plus égal à 21 ans.

0.3 REPRESENTATIONS GRAPHIQUES

Les représentations graphiques ont pour objet de visualiser les données. Il existe plusieurs
ISM

types de représentations définies à partir de la nature de la variable étudiée.

0.3.1 Variable discrète

Diagramme à bâtons

Il est utilisé pour représenter les séries statistiques correspondant à un caractère quantitatif
à variable discrète ( si elle ne prend que des valeurs isolées, souvent entières ). Les bâtons sont
représentés par des segments de droite dont les longueurs sont proportionnelles :
- aux effectifs s’il s’agit d’un diagramme des effectifs,
- aux frÈquences s’il s’agit d’un diagramme des fréquences, - aux effectifs cumulés ( ECC ou
ECD ) s’il s’agit d’un diagramme des effectifs cumulés

Exemple :Le tableau ci-contre indique pour 130 entreprises le nombre de stagiaires par
entreprise. Dresser le diagramme à batons des effectifs.

[email protected] 6/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

Nombre de 1 2 3 4
Stagiaires
Nombre 40 45 30 15
d’entre-
prises

R
Polygones

Un polygone est associé à un diagramme à bâton et joint respectivement les sommets des

OU
bâtons
Exemple Déterminer le polygone des effectifs associé au tableau ci-dessous.

Nombre de 1 2 3 4 5 6
Stagiaires
Nombre 40 45 30 15 30 25
d’entre-
prises
-MB
0.3.2 Varaiable quantitative
Diagramme circulaire

Un diagramme qui a pour support disque découpé en secteurs. Chaque modalité est représentée
par un secteur dont l’aire est proportionnelle à l’effectif ou fréquence.
Il est utilisé pour la représentation d’un caractère qualitatif.
Remarque
Comme le rayon du disque est constant alors cela revient à dire que l’angle de chaque secteur
est proportionnel à l’effectif.
Exemple
Une enquête sur le niveau de satisfaction des usagers du transport en commun a donné les
résultats suivants
ISM

Niveau de satis- Pas satis- Peu satis- Assez Satisfait Très satis- trop satis-
faction fait fait satisfait fait fait
Effectifs 6 15 36 108 90 45
Angle au centre
Remarque
On peut aussi utiliser un diagramme semi-circulaire en prenant la place moitié d’un disque.

Exemple : Faire le diagramme semi-circulaire avec l’exemple précédent.

Diagramme en barres ou en bandes

Dans un repËre plan, chaque modalité est représentée par une bande dont la hauteur est
égale à l’effectif de la modalité. Il est utilisé pour la représentation d’un caractère qualitatif.
Exemple : Faire le diagramme en barres avec l’exemple précédent.

[email protected] 7/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

0.3.3 Variable continue

Histogramme
La représentation en histogramme est utilisée dans le cas d’un caractère continu. Dans un

R
repère d’axes orthogonaux, chaque classe est représentée par un rectangle dont :
- La base est proportionnelle à l’amplitude,
- La hauteur est telle que l’aire du rectangle est proportionnelle à l’effectif.
Exemple : On donne la répartition du personnel d’un hopital selon leur ancienneté :

OU
Ancienneté [0 ;5[ [5 ;10[ [10 ;15[ [15 ;20[ [20 ;30[ [30 ;35[
Effectifs 15 22 54 64 22 30

Réponse

Ancienneté [0 ;5[ [5 ;10[ [10 ;15[ [15 ;20[ [20 ;30[ [30 ;35[
Effectifs ni 15 22 54 64 22 30
Amplitude ai
Hauteur hi
-MB
Exemple : Reprendre le même exemple en considèrant le tableau suivant.
Ancienneté [0 ;5[ [5 ;15[ [15 ;20[ [20 ;30[ [30 ;35[ [35 ;40[
Effectifs 15 22 54 64 22 30
Réponse

Ancienneté [0 ;5[ [5 ;15[ [15 ;20[ [20 ;30[ [30 ;35[ [35 ;40[
Effectifs ni 15 22 54 64 22 30
Amplitude ai
Hauteur hi
Remarque
Lorsque toutes les classes ont la mm̂e amplitude, la hauteur d’une classe est égale l’effectif de
la classe(ou á la fréquence)
ISM

Polygone des effectifs cumulés croissants

Pour une variable continue dont les classes [a1 , a2 [,[a2 , a3 [,...[an−1 , an [, sont d’effectifs cumulés
croissants N1 ;N2 ,· · ·, Nn ,
-Le polygone des effectifs cumulés croissants est la ligne brisée qui joint respectivement les
points de coordonnées : (a1 , 0), (a2 , N1 ),(a3 , N2 ),· · ·,(an , Nn ),
-Le polygone des effectifs cumulés décroissants est obtenue de la même manière en utilisant
les effectifs cumulés décroissants . Il joint respectivement les points de coordonnées :(a1 , Nn ),· ·
·,(an , 0).

0.4 CARACTERISTIQUES DE POSITION

Lorsqu’on est en face des résultats d’une enquête en statistique, il est interessant d’en
déterminer paramètres dits de position. Ces derniers nous permettent de résumer les données,

[email protected] 8/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

de faciliter la lecture et donc de faire une analyse de la situation.

On entend par paramètres de positions : la moyenne arithmétique, le mode, la médiane et
les quantiles (fractiles). Il existe également d’autres types de moyennes comme les moyennes
géométrique et harmonique, moyenne quadratique. Ces dernières moyennes ne feront pas l’objet

R
de ce chapitre.

0.4.1 Moyenne arithmétique

OU
Définition

Soit X une variable discrète dont les modalités sont notées dans l’ordre croissant x1 , x2 , · · ·,
xp , d’effectifs respectifs n1 , n2 , · · ·, np et de fréquences respectives f1 , f2 , · · ·, fp .
La moyenne arithmétique, notée x est le réel défini par
n x + n 2 x2 + · · · + n p xp
∗ dans le cas d’une variable discrète x = 1 1
N
où N représente l’effectif total de la population.
On note également que x = f1 x1 + f2 x2 + · · · + fp xp les fi sont des fréquences.
-MB
n 1 c1 + n 2 c2 + · · · + n p cp
∗ dans le cas d’une variable continue, on a x =
N
les ci représentent les centres de classes.
En utilisant les fréquences ; on a x = f1 c1 + f2 c2 + · · · + fp cp

Interprétation

La moyenne est la valeur autour de laquelle tourne toutes les autres valeurs de la série.

Application
ISM

Exemple 1
Un sondage effectué auprès de 800 automobilistes a donné les résultats suivants

Dépenses mensuelles [30 ;70[ [70 ;110[ [110 ;150[ [150 ;190[ [190 ;230[ [230 ;270[
(en milliers de Francs)
Nombre d’automobilistes 62 156 264 148 98 72
Calculer la moyenne des dépenses mensuelles. Donnez-en une interprétation.

Exemple 2
La répartition des étudiants d’une classe, selon leur âges, est donnée par

18 - 20 - 17 - 17 - 17 - 16 - 20 - 18 - 18
18 - 19 - 19 - 19 - 18 - 18 - 18 - 19 - 18
18 - 18 - 17 - 16 - 16 - 17 - 20 - 17 - 17
Déterminer la moyenne puis donnez-en une interprétation.

[email protected] 9/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

0.4.2 Mode
Dans une enquête relative au moyen de transport, dans un groupe d’étudiants, on a obtenu
le tableau suivant

R
Moyens de transport Vélo Taxi train Moto A pied
Nombre d’élèves 7 10 2 5 6
Il est clair que dans ce cas on ne peut pas parler de moyenne. On pourra cependant se po-
ser la question de savoir quel est le moyen de transport le plus utilisé. C’est évidemment le taxi.

OU
On parle ainsi de mode.

Définition

∗ Cas d’un caractère discret

On appelle mode d’un caractère qualitatif ou quantitatif discret

la modalité ayant l’effectif le plus important
Dans l’exemple d’introduction de ce paragraphe, le mode est ”taxi”. Parce que c’est la mo-
-MB
dalité qui a l’effectif le plus élevé.
∗ Cas d’un caractère continu

Dans le cas d’une variable continue on parle de classe modale.

La classe modale est la classe dont la hauteur est plus élevée dans l’histogramme
En particulier si les classes ont la même amplitude, alors la classe modale
correspond à celle qui a le plus grand effectif
Approximativement on prendra pour mode le centre de la classe

Interprétation

Si l’on s’appui sur l’exemple précédent on peut dire, en terme d’interprétation, que la plu-
ISM

part des étudiants utilisent comme moyen de transport le taxi.

Remarque
Le mode est souvent simple à déterminer mais aussi d’interprétation facile. Cepandant une série
peut avoir plusieurs modes. Dans ce cas l’interprétation devient très délicate.

Applications

Exemple 1
Une enquête sur le niveau de satisfaction des usagers de la route a donné les résultats suivants.
Niveau de satisfaction Pas sa- Peu sa- Assez Satisfait Très sa- Trop sa-
tisfait tisfait satisfait tisfait tisfait
Effectif 6 15 36 108 90 45
Déterminer le mode et donnez-en une signification.

Exemple 2 La répartition des étudiants d’une classe, selon leur âges, est donnée par

[email protected] 10/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

18 - 20 - 17 - 17 - 17 - 16 - 20 - 18 - 18
18 - 19 - 19 - 19 - 18 - 18 - 18 - 19 - 18
18 - 18 - 17 - 16 - 16 - 17 - 20 - 17 - 17
Déterminer le mode puis donnez-en une interprétation.

R
Exemple 3
Revenons à l’exemple de dépenses mensuelles des automobilistes.

Dépenses mensuelles [30 ;70[ [70 ;110[ [110 ;150[ [150 ;190[ [190 ;230[ [230 ;270[

OU
(en milliers de Francs)
Nombre d’automobilistes 62 156 264 148 98 72
Déterminer la classe modale. Que constate-t-on ?

0.4.3 Médiane
Définition
On appelle médiane d’un caractère quantitatif la valeur qui laisse
autant d’observations à gauche que d’observations à droite
-MB
En d’autres termes c’est la valeur qui partage la population en deux groupes de mêmes effectifs

Méthode de détermination
∗ Cas discret

La détermination de la médiane, dans le cas discret, dépend de la parité de l’effectif total

N . On range les observations dans l’ordre croissant.
N +1
– Si l’effectif total est impair alors la médiane est l’observation de rang .
2
N N
– Sinon la médiane est le demi-somme des observations de rangs et + 1. C’est-à-dire
! ! 2 2
N N
ISM

+ +1
2 2
l’observation de rang
2
Exemple 1
Soit la série de données : 4 − 4 − 5 − 6 − 6 − 7 − 8 − 8 − 9 − 9 − 10
Il s’agit d’une série d’effectif total impair. D’après la méthode de détermination, la médiane est
11 + 1
à la sixième position. C’est-à-dire l’observation de rang .
2
Exemple 2
On considère la série de données : 4 − 4 − 5 − 6 − 6 − 7 − 8 − 8 − 9 − 9 − 10 − 12
Ici l’effectif total est pair, 12. L’observation de rang six est 7 ; celle de rang sept est 8. Ainsi la
7+8
médiane est égale à = 7, 5
2
Exemple 3
Le tableau suivant indique pour 130 entreprises le nombre de stagiaires par entreprise.

[email protected] 11/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

Nombre de stagiaires 1 2 3 4
Nombre d’entreprises 45 40 30 15
Déterminer la médiane.

R
∗ Cas continu

Il y a deux méthodes de déterminations dans ce cas : la méthode d’interpolation affine,

dite par calcul et la méthode graphique.
– méthode d’interpolation affine : On repère d’abord l’intervalle médian [am ; bm [ qui

OU
N
est le premier intervalle dont l’effectif cumulé croissant est au moins égal à dans le cas
2
des effectifs ou 50% dans le cas des fréquences.
Si l’on désigne par :Me la médiane,
Nm−1 l’effectif cumulé croissant correspondant à la classe [am−1 ; bm−1 [
Nm l’effectif cumulé croissant correspondant à la classe [am ; bm [
Alors une manière de déterminer la médiane consiste à appliquer la formule

Me − am b m − am
=
N Nm − Nm−1
-MB − Nm−1
2
Exemple
On donne la répartition du personnel d’un hopital selon leur ancienneté.

Ancienneté (ans) [0 ;5[ [5 ;15[ [15 ;20[ [20 ;30[ [30 ;35[ [35 ;40[
Effectif 15 22 54 64 22 30
Déterminer la médiane par calcul.
N
– Méthode graphique La médiane est l’abscisse du point d’ordonnée sur le polygone
2
des effectifs cumulés croissants ou alors l’abscisse du point d’ordonnée 50% sur le polygone
de fréquence cumulée croissantes.
ISM

Exemple
En considérant l’exemple précédant, déterminer la médiane par la méthode graphique.

Interprétation
Pour chacune des valeurs de la médiane trouvée, pour les exemples précédents, faire une
interprétation.

0.4.4 Quartiles
On distingue,
- Le premier quartile noté Q1 qui est la valeur laissant 25% des observations à gauche et 75%
des observations à droite.
- Le troisième quartile qui est la valeur qui laisse 75% des observations à gauche et 25% des
observations à droite.

[email protected] 12/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

Remarque
Il apparait donc d’après cette définition que le deuxième quartile est la médiane.
Exemple
Déterminer les quartiles des série statistique

R
Détermine les quartiles Q1 et Q3 de la série statistique suivante : 2 - 4 - 5 - 6 - 7 - 11 - 13 - 25
- 34 - 43 - 44 - 47 - 51
Réponse
1
L’effectif de la série est 13. Q1 est la valeur qui se trouve à la position × 13 = 3, 25. on arrodi
4

OU
par excès, soit la quatrième valeur de la série.

0.5 CARACTERISTIQUES DE DISPERSION

Les deux séries statistiques
X : 10 − 30 − 30 − 50 − 50 − 70 − 70 − 90 − 90 et Y : 48 − 48 − 49 − 50 − 50 − 50 − 51 − 51 − 52
ont même mode, même médiane et même moyenne alors que la distribution de X est plus étalée
que celle de Y .
Cela montre l’insuffisance des paramètres de positions. Par suite les para˘ètres de dispersions
-MB
viennent compléter ceux de position.

0.5.1 Etendue
L’étendue est la différence entre la plus grande et la plus petite valeur de la série. Elle
permet de rendre compte de la dispersion d’une série.
Une série est d’autant plus dispersée que son étendue est grande.
Exemple
On donne X : 10−30−30−50−50−70−70−90−90 et Y : 48−48−49−50−50−50−51−51−52
Les séries X et Y ont respectivement pour étendue 80 et 4.
On peut dire que la série X est plus dispersée que Y .
ISM

Remarque
L’étendue d’une série ne dépend que des valeurs extrémes de la série. Elle peut-être grande
sans que la série ne soit dispersée.Par conséquent, elle n’est pas souvent fiable pour mesurer la
dispersion.

0.5.2 L’écart interquartile

Il est défini par Q3 − Q1

0.5.3 Intervalle interquartile

Il est défini par [Q3 − Q1 ]. Il permet de mesurer la dispersion autour de la médiane.
L’intervalle interquartile contient 50% des observations.
Une série est d’autant plus dipersée que l’intervalle interquartile est grand.

[email protected] 13/14 BP1

M. NDIAYE ISM-MBOUR Année 2017-2018

0.5.4 Ecart-type
Soit X une variable discrète dont les mosalités sont notées dans l’ordre croissant x1 , x2 , · · ·,
xp , d’effectifs respectifs n1 , n2 , · · ·, np .
La variance notée v(X) est le réel positif, défini par

R
n1 x21 + n2 x22 + · · · + np x2p
v(X) = − (x)2
N
p
L’écart-typee noté σ(x) est défini par σ(x) = v(X).

OU
L’écart-type est très adapté, mesurant la dispersion autour de la moyenne, est très adapté pour
mesurer la dispersion. Une série est d’autant plus dispersée que son écart-type est grand.
Pour deux série données, la plus dispersée est celle qui a l’ecart-type le plus grand lorsqu’elles
sont exprimées dans la même unité.
Si elles ne sont pas exprimées dans la même unité, on compare leurs coefficient de variation qui
σ(X)
est défini par c(X) =
x
En général, une série est dite dispersée lorsque le c(X) dépasse 30%.
-MB
ISM

[email protected] 14/14 BP1