STATISTIQUE DESCRIPTIVE

Eugen URSU & Jean BELIN

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 1 / 37

Chapitre 4 : Les indicateurs de dispersion

1 L’étendue

2 Les écarts interquantiles

3 Variance et écart-type

4 Coefficient de variation

5 Les moments simples et centrés

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 2 / 37

Évaluation

Évaluation 1 : QCM le 14 octobre à 8h30

LAJUGIE- groupes : 5, 12, 22, 24,4, 13, 17, 18
| {z }| {z }
URSU DUCASSE
AULA MAGNA - groupes : 16, 24,2, 6, 11, 8, 9 ,1, 3, 23, 7, 14, 15
| {z } | {z } |{z} | {z } | {z }
DENIS LANGE BELIN WAKA PLACHOT

Évaluation 2 : organisée par votre chargé de TD

Évaluation 3 : examen (mois de décembre ou janvier)
calculatrices non graphiques, non programmables
Absence non justifiée à un contrôle entraîne une note de zéro
Deux absences non-justifiées en TD entraîne une note de zéro pour les
TD (donc presque aucune chance d’obtenir la moyenne ! !) ;

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 3 / 37

Le Chapitre 1 est disponible en ligne sur la plateforme de l’ENT : Plateforme
pédagogique de l’Université de Bordeaux (Montesquieu)/Statistiques
descriptives L1 Eco-Gest
Le lien est :
https://moodle.u-bordeaux.fr/course/view.php?id=8249

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 4 / 37

Indicateurs de dispersion

Les indicateurs de dispersion évaluent le niveau d’étalement d’une

variable autour de la valeur centrale.
Ils complètent les indicateurs de position en permettant de comparer des
séries dont les indicateurs de position sont proches, mais où la forme de
la dispersion est très différente.
Indicateurs d’autant plus grands que la variable est dispersée.
À calculer uniquement pour des variables quantitatives.
Les indicateurs statistiques de dispersion considérés fréquemment sont
l’étendue , les écarts interquantiles et l’écart-type (ou la variance).

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 5 / 37

Moyennes égales, écart-types différents
1.0

1.0
0.8

0.8
densité de fréquence

densité de fréquence
0.6

0.6
0.4

0.4
0.2

0.2
0.0

0.0

−3 −2 −1 0 1 2 3 −1.5 −1.0 −0.5 0.0 0.5 1.0 1.5

x y

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 6 / 37

Moyennes différentes, écart-types égaux
0.5

0.5
0.4

0.4
densité de fréquence

densité de fréquence
0.3

0.3
0.2

0.2
0.1

0.1
0.0

0.0

0 1 2 3 4 5 6 −3 −2 −1 0 1 2 3

x y

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 7 / 37

L’étendue

Définition
L’étendue est la différence entre la plus grande et la plus petite observation
de la série.

Remarque
Cette notion est peu utilisée en pratique car elle est sensible aux valeurs
extrêmes.

Exemple
Les notes de 10 étudiants en statistiques sont :

2, 5, 6, 7, 11, 20, 5, 8, 10, 4

L’étendue et = 20 − 2 = 18
Si on remplace 20 par une valeur ≤ 11 l’étendue devient 9.

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 8 / 37

Exemple
Du 5 mai 2000 au 5 mai 2001, un club de natation avait les mêmes membres.
Remplissez le tableau pour afficher des informations sur ses membres.
indicateurs l’âge des membres
Moyenne (5 mai 2000) 24 ans et 3 mois
Étendue (5 mai 2000) 4 ans et 8 mois
Moyenne (5 mai 2001)
Étendue (5 mai 2001)

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 9 / 37

Exemple
Du 5 mai 2000 au 5 mai 2001, un club de natation avait les mêmes membres.
Remplissez le tableau pour afficher des informations sur ses membres.
indicateurs l’âge des membres
Moyenne (5 mai 2000) 24 ans et 3 mois
Étendue (5 mai 2000) 4 ans et 8 mois
Moyenne (5 mai 2001) 25 ans et 3 mois
Étendue (5 mai 2001)

Rappel : si on ajoute (enlève) la même constante à toutes les observations, on

ajoute (enlève) également cette valeur à la moyenne. Donc la nouvelle moyenne
sera de 25 ans et 3 mois.

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 9 / 37

Exemple
Du 5 mai 2000 au 5 mai 2001, un club de natation avait les mêmes membres.
Remplissez le tableau pour afficher des informations sur ses membres.
indicateurs l’âge des membres
Moyenne (5 mai 2000) 24 ans et 3 mois
Étendue (5 mai 2000) 4 ans et 8 mois
Moyenne (5 mai 2001) 25 ans et 3 mois
Étendue (5 mai 2001) 4 ans et 8 mois

Rappel : si on ajoute (enlève) la même constante à toutes les observations, on

ajoute (enlève) également cette valeur à la moyenne. Donc la nouvelle moyenne
sera de 25 ans et 3 mois.
Pour l’étendue imaginez une série ordonnée x1 , x2 , . . . , xn avec et2000 = xn − x1 .
Si on rajoute la même valeur a partout on aura la série

x1 + a, x2 + a, . . . , xn + a

et donc l’étendue est donné par et2001 = (xn + a) − (x1 + a) = xn − x1 = et2000 .

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 9 / 37

Écarts absolus

Définition
Écart absolu moyen : c’est la moyenne des écarts à la moyenne
p
1X
ex̄ = ni |xi − x̄|
n
i=1

Écart absolu médian : c’est la moyenne des écarts à la médiane

p
1X
eMe = ni |xi − Me|
n
i=1

Remarque
Plus les écarts absolus sont grands, plus la série est dispersée.
L’écart absolu médian est moins sensible aux valeurs extrêmes.

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 10 / 37

Exemple
Calculer les écarts absolus de la série suivante :

2, 5, 6, 7, 11, 20, 5, 8, 10, 4

Il faut d’abord calculer la moyenne et la médiane.

x̄ = 7, 8 et Me = 6, 5

1
ex̄ = (|2 − 7, 8| + |5 − 7, 8| + . . . + |4 − 7, 8|) = 3, 56
10
1
eMe = (|2 − 6, 5| + |5 − 6, 5| + . . . + |4 − 6, 5|) = 3, 4
10

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 11 / 37

Exemple
On considère la distribution suivante :

classes [15 ;25[ [25 ;35[ [35 ;45[ [45 ;55[ [55 ;65[ [65 ;75[ [75 ;85[
ni 9 15 22 29 17 6 2

Calculer les écarts absolu par rapport à la moyenne et à la médiane.

classes xi ni ni xi |xi − x̄| ni |xi − x̄| Fi |xi − Me| ni |xi − Me|
[15; 25[ 20 9 180 25,6 230,4 0,09 26,38 237,42
[25; 35[ 30 15 450 15,6 234,0 0,24 16,38 245,70
[35; 45[ 40 22 880 5,6 123,2 0,46 6,38 140,36
[45; 55[ 50 29 1450 4,4 127,6 0,75 3,62 104,98
[55; 65[ 60 17 1020 14,4 244,8 0,92 13,62 231,54
[65; 75[ 70 6 420 24,4 146,4 0,98 23,62 141,72
[75; 85[ 80 2 160 34,4 68,8 1,00 33,62 67,24
Total 100 4560 1175,2 1168,96

x̄ = 45, 6 et ex̄ = 11, 75

0, 50 − 0, 46
Me = 45 + 10 × = 46, 38 et eMe = 11, 69
0, 75 − 0, 46

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 12 / 37

Écarts interquantiles

Définition
On appelle écart interquartile le nombre Q0,75 − Q0,25
On appelle écart interdécile le nombre Q0,9 − Q0,1
On appelle écart intercentile le nombre Q0,99 − Q0,01

Plus ces écarts sont grands et plus la série est dispersée.

Exemple
Soit la distribution :
classes [50 ;150[ [150 ;250[ [250 ;350[ [350 ;450[ [450 ;550[ [550 ;650[ [650 ;750[ [750 ;850[ [850 ;950[
ni 27 30 42 51 66 30 21 18 15

1 Calculer l’écart interquartile.

2 Calculer les bornes d’un intervalle contenant 98% des valeurs centrales.

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 13 / 37

Exemple
Le tableau des fréquences cumulées croissantes :
classes ni fi Fi
[50; 150[ 27 0,09 0,09
[150; 250[ 30 0,10 0,19
[250; 350[ 42 0,14 0,33
[350; 450[ 51 0,17 0,50
[450; 550[ 66 0,22 0,72
[550; 650[ 30 0,10 0,82
[650; 750[ 21 0,07 0,89
[750; 850[ 18 0,06 0,95
[850; 950[ 15 0,05 1

1 On calcule les quartiles

0, 25 − 0, 19
Q0,25 = 250 + 100 ∗ ≈ 292, 86
0, 33 − 0, 19
0, 75 − 0, 72
Q0,75 = 550 + 100 ∗ ≈ 580
0, 82 − 0, 72

L’écart interquartile vaut 580 − 292, 86 = 287, 14.

2 L’intervalle intercentile contient 98% des valeurs.

0, 01 − 0
Q0,01 = 50 + 100 ∗ ≈ 61, 11
0, 09 − 0
0, 99 − 0, 95
Q0,99 = 850 + 100 ∗ ≈ 930
1 − 0, 95

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 14 / 37

La boîte à moustaches revisitée

Définition
La boîte à moustache, est un graphique qui résume la dispersion d’une série
à partir de 5 valeurs : la valeur minimale et la valeur maximale (les
moustaches), l’intervalle interquartile (désigné par ses deux valeurs Q1 et
Q3 ) et la médiane (ces trois dernières valeurs constituant la boîte).

La boîte à moustache permet de comparer des séries du point de vue de leur

dispersion mais aussi de leur caractéristique de tendance centrale.

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 15 / 37

Exemple
Soient les notes sur 20 de 4 groupes d’étudiants :
Groupe A = 1, 2, 2, 12, 5, 5, 9, 5, 7, 11, 7, 8, 2
Groupe B = 16, 13, 15, 13, 11, 13, 16, 3, 18, 11
Groupe C = 8, 8, 8, 7, 4, 16, 13, 16, 18, 11
Groupe D = 12, 10, 6, 8, 5, 16, 12, 15, 10, 15, 12, 10
La comparaison des graphiques boîtes à moustaches de chaque groupe
permet d’avoir une bonne idée de la dispersion des notes, tout en visualisant
la note médiane (qui est souvent jugée préférable à la note moyenne).

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 16 / 37

D
C
B
A

5 10 15

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 17 / 37

Comment caractériser la forme d’une distribution à
l’aide de la boîte à moustaches
Suivant la position de la médiane au sein de la boîte, on peut en déduire des
informations sur la forme de la distribution.
Si la médiane est proche du centre de la boîte, c’est que la distribution
est symétrique.
Si la médiane est à gauche du centre de la boîte, c’est que la distribution
est étalée à droite.
Si la médiane est à droite du centre de la boîte, c’est que la distribution
est étalée à gauche.
De même, en comparant la longueur respective de chaque moustache, on
peut en déduire des informations sur la forme de la distribution.
Si les moustaches sont à peu près de la même longueur, c’est que la
distribution est symétrique.
Si la moustache de droite(haut) est plus longue que la moustache de
gauche(bas), c’est que la distribution est étalée à droite.
Si la moustache de gauche(bas) est plus longue que la moustache de
droite(haut), c’est que la distribution est étalée à gauche.
J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 18 / 37
Exemple
Soient les trois séries suivantes
A = {1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4, 4, 5, 5}
B = {1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 5, 5}
C = {1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5}
Les boîtes à moustaches correspondantes
symétrique
étalée.à.droite
étalée.à.gauche

1 2 3 4 5

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 19 / 37

La variance et l’écart-type

Définition
La variance est définie
à partir des données brutes (à chaque valeur de xi ne correspond qu’une
seule observation) :
n
1X
V(X ) = (xi − x̄)2
n
i=1

à partir des données regroupées par modalité (ni occurrences de chaque

valeur xi )
p p
1X X
V(X ) = ni (xi − x̄)2 = fi (xi − x̄)2
n
i=1 i=1

L’écart-type est la racine carrée de la variance :

p
σX = V(X )

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 20 / 37

Exemple
Soit la série {2, 5, 7, 1, 9, 13, 6, 15, 8, 16}. Calculer la variance et l’écart-type.
La disposition en tableau facilite les calculs

xi xi − x̄ (xi − x̄)2
2 -6,2 38,44
5 -3,2 10,24
7 -1,2 1,44
1 -7,2 51,84
9 0,8 0,64
13 4,8 23,04
6 -2,2 4,84
15 6,8 46,24
8 -0,2 0,04
16 7,8 60,84

n
1X
x̄ = xi = 8, 2
n
i=1
n
1X 237, 6
(xi − x̄)2 =
p
V(X ) = = 23, 76 d’où σX = V(X ) = 4, 87
n 10
i=1

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 21 / 37

Propriétés de la variance
xi − x̄ est l’écart à la moyenne x̄
la variance est la moyenne des carrés des écarts à la moyenne
plus l’écart-type (ou variance) est grand et plus la série observée est
dispersée
σX est exprimé dans la même unité que les données xi
pour calculer une variance (ou écart-type) pour une variable continue
(dont les données sont regroupées en classes) on remplace les xi par ci
les centres de classe
la variance n’est pas linéaire : si Y = aX + b, a, b ∈ R alors

V(Y ) = a2 V(X ) et σY = |a|σX

au moins 75% des valeurs se situent entre -2 et +2 écarts type de la

moyenne
au moins 89% des valeurs se situent entre -3 et +3 écarts type de la
moyenne

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 22 / 37

Propriétés de la variance
autre expression de la variance (formule dévéloppée) :
n n n n
1X 1X 2 1X 1X 2
V(X ) = (xi − x̄)2 = xi − 2xi x̄ + x̄
n n n n
i=1 i=1 i=1 i=1
n n
1X 1 X 1 2
= xi2 − 2x̄ xi + nx̄
n n n
i=1 i=1
n n
1X 2 1 1 1X 2
= xi − 2x̄nx̄ + nx̄ 2 = xi − x̄ 2
n n n n |{z}
i=1 i=1 (moyenne des xi )2
| {z }
moyenne des xi2

Si les données sont regroupées par modalités

p p
1X 1X
V(X ) = ni (xi − x̄)2 = ni xi2 − x̄ 2
n n |{z}
i=1 i=1 2
| {z } (moyenne des xi )
moyenne des xi2

ou encore
p
X
V(X ) = fi xi2 − x̄ 2
J. Belin, E. Ursu (GREThA) i=1
STATISTIQUE DESCRIPTIVE Bordeaux 23 / 37
Pour calculer la variance à l’aide de la formule « développée », on suit les
étapes :
1 calcul de la moyenne pondérée et élévation de celle-ci au carré
2 Calcul des xi2
3 Calcul des ni xi2
4 Somme des ni xi2
5 Division des ni xi2 par n
6 Soustraction du carré de la moyenne au carré de la moyenne des ni xi2

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 24 / 37

Exemple
Soit le tableau suivant
xi 2 6 9 11 15
ni 5 9 4 3 5

Les étapes 1-5 sont facilités par la disposition en tableau

xi ni ni xi xi2 ni xi2
2 5 10 4 20
6 9 54 36 324
9 4 36 81 324
11 3 33 121 363
15 5 75 225 1125

On obtient :
5
1 X 208
x̄ = ni xi = =8
26 26
i=1
p
1X 2156
V(X ) = ni xI 2 − x̄ 2 = − 82 = 18, 9231
n 26
i=1

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 25 / 37

Exemple
Considérons la répartition des ouvriers d’une entreprise E selon le salaire
mensuel en milliers d’euros (103 )
Salaires [1; 1, 2[ [1, 2; 1, 4[ [1, 4; 1, 6[ [1, 6; 1, 8[ [1, 8; 2]
Effectifs 26 33 64 7 10

Calculer la variance.
La disposition en tableau facilite les calculs

xi ni ci ni ci (ci − x̄) (ci − x̄)2 ni (ci − x̄)2

[1; 1, 2[ 26 1,1 28,6 -0,317 0,100 2,613
[1, 2; 1, 4[ 33 1,3 42,9 -0,117 0,014 0,452
[1, 4; 1, 6[ 64 1,5 96 0,083 0,007 0,441
[1, 6; 1, 8[ 7 1,7 11,9 0,283 0,080 0,561
[1, 8; 2[ 10 1,9 19 0,483 0,233 2,333
n=140 198,4 6,4

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 26 / 37

Variance intra et inter-population
Considérons une population P de taille n composé de 2 sous-population
P1 , P2 d’effectifs n1 , n2 . Notons x̄1 , x̄2 et V1 , V2 les moyennes et variances des
2 sous-population. Alors la variance de la population P est

n1 V1 + n2 V2 n1 (x̄ − x¯1 )2 + n2 (x̄ − x¯2 )2

V = +
n n
= "moyenne des variances" + "variance des moyennes"
= "variance intra-population" + "variance inter-population"

Remarques
La variance intra-population est la variance que l’on obtiendrait si toutes
les sous-population avaient la même moyenne x̄ (le deuxième terme de
la formule serait nul)
La variance inter-population est la variance que l’on obtiendrait si chaque
variable de chaque sous-population était égale á sa moyenne et il n’y
aurait aucune dispersion intra-population (le premier terme serait nul).

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 27 / 37

Variance intra et inter-population
Exemple
Une entreprise est composé de deux établissements A et B. Le tableau
suivant donne les effectifs na et nb et les salaires S exprimés en euros par
catégorie et par entreprise. Calculez les variances inter-, intra- et totale.

Établissement A Établissement B Entreprise E

na S nb S n S
Ouvriers 30 1000 100 800 130 846,15
Employés 20 1800 10 1600 30 1733,33
Cadres 10 8000 5 7000 15 7666,67
Ensemble 60 2433,33 115 1139,13 175 1582,86

La variance globale est :

3
1X 2 2
V(E) = ni xi − x̄
n i=1
1 2 2 2 2
= (30 × 1000 + 20 × 1800 + . . . + 5 × 7000 ) − 1582, 86
175
= 3605424

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 28 / 37

Exemple
La variance inter est la variance des salaires moyens :

2
1h 2 2
i 1X 2 2
Vinter = na (S̄A − S̄) + nb (S̄B − S̄) = ni S̄i − S̄
n n i=1
1 2 2 2
= (60 × 2433, 33 + 115 × 1139, 13 ) − 1582, 86
175
= 377363, 7

La variance intra est la moyenne des variances des salaires pondérée par les effectifs :

1 h 2 2 2
i
2
VA = 30 × 1000 + 20 × 1800 + 10 × 8000 − 2433, 33
60
= 6325572
1 h 2 2 2
i
2
VB = 100 × 800 + 10 × 1600 + 5 × 7000 − 1139, 13
115
= 1611948
1
Vintra = [60 × 6325572 + 115 × 1611948] = 3228048
175

On constate que
V(E) = Vinter + Vintra = 3228048 + 377363 = 3605429

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 29 / 37

Coefficient de variation

Définition
Pour une série statistique donnée on appelle le coefficient de variation de la
variable X , le rapport de l’écart-type à la moyenne

CV = σX /x̄

Plus la valeur du coefficient de variation est élevée, plus la dispersion

autour de la moyenne est grande.
Il est généralement exprimé en pourcentage.
Il permet de comparer des séries exprimées dans des unités différentes
(salaires en France et aux États-Unis)

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 30 / 37

Exemple
On connaît les salaires mensuels bruts en euros des 200 employés de la
même entreprise, à 10 ans d’intervalle (voir le tableau ci-dessus). Les
données sont groupées par classe. Le nombre d’employés est passé de 200
en 1994 à 280 en 2004. On veut savoir si la dispersion des salaires a
augmenté.

Salaires Effectifs 1994 Effectifs 2004

[1000; 2000[ 40 56
[2000; 3000[ 70 118
[3000; 4000[ 80 92
[4000; 5000[ 5 10
[5000; 10000] 5 4
On notera tout d’abord que les données sont groupées par classes de valeurs. Il convient de calculer ci le
centre de chaque classe qui remplacera xi dans les différentes formules.

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 31 / 37

Exemple
Pour 1994 :

Salaires ni ci n i ci ci2 ni ci2

[1000; 2000[ 40 1500 60000 2250000 90000000
[2000; 3000[ 70 2500 175000 6250000 437500000
[3000; 4000[ 80 3500 280000 12250000 980000000
[4000; 5000[ 5 4500 22500 20250000 101250000
[5000; 10000] 5 7500 37500 56250000 281250000

Calculons la moyenne et l’écart-type :

575000
x̄ = = 2875 et σ = 1088, 29
200

σ
CV1994 = × 100 = 37, 8536
x̄

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 32 / 37

Exemple
Pour 2004 :

Salaires ni ci n i ci ci2 ni ci2

[1000; 2000[ 56 1500 84000 2250000 126000000
[2000; 3000[ 118 2500 295000 6250000 737500000
[3000; 4000[ 92 3500 322000 12250000 1127000000
[4000; 5000[ 10 4500 45000 20250000 202500000
[5000; 10000] 4 7500 30000 56250000 225000000

Calculons la moyenne et l’écart-type :

776000
x̄ = = 2771, 43 et σ = 977, 189
280

σ
CV2004 = × 100 = 35, 2594
x̄
En comparant les deux coefficients de variation, on constate que la dispersion des salaires s’est réduite.

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 33 / 37

Le moment simple d’ordre r
Définition
Soit X une variable statistique quantitative. On appelle moment simple
n
1X
d’ordre r de X , l’expression : mr = (xi )r
n
i=1

À partir des données regroupées par modalités (ni occurrences de

p
1X
chaque valeur xi ) mr = ni (xi )r
n
i=1

Remarques
On note alors que si r = 0 alors, le moment d’ordre zéro est égale à 1 :
m0 = 1 ;
On note alors que si r = 1 alors, le premier moment est égale à la
moyenne : m1 = x̄.

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 34 / 37

Le moment centré d’ordre r
Définition
On appelle moment centré d’ordre r de X , l’expression :
n
1X
µr = (xi − x̄)r
n
i=1

À partir des données regroupées par modalités (ni occurrences de

p
1X
chaque valeur xi ) µr = ni (xi − x̄)r
n
i=1

Remarques
On note que si r = 0 alors, µ0 = 1 ;
On note que si r = 1 alors, µ1 = 0.
On note que si r = 2 alors, µ2 = V(X ).
En développant la formule pour le moment centré d’ordre 3 on obtient

µ3 = m3 + 2m13 − 3m1 m2
J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 35 / 37
Exemple
Soit la série statistique : {−3; −2; 0; 1; 3; 7}. Calculer ses moments simples
d’ordre 1,2,3 et 4.
1 P6
On a mr = x r . Les calculs peuvent s’effectuer à l’aide du tableau :
6 i=1 i
x1r x2r x3r x4r x5r x6r
P r
r xi mr
1 -3 -2 0 1 3 7 6 6/6 = 1
2 9 4 0 1 9 49 72 72/6 = 12
3 -27 -8 0 1 27 343 336 336/6 = 56
4 81 16 0 1 81 2401 2580 2580/6 = 430

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 36 / 37

Exemple
Soit la série statistique : {−3; −2; 0; 1; 3; 7}. Calculer ses moments centrés
d’ordre 1,2,3 et 4.
−3 − 2 + 1 + 3 + 7
On a x̄ = = 1.
6
Les calculs peuvent s’effectuer à l’aide du tableau :
(x1 − x̄)r (x2 − x̄)r (x3 − x̄)r (x4 − x̄)r (x5 − x̄)r (x6 − x̄)r (xi − x̄)r
P
r µr
1 -4 -3 -1 0 2 6 0 0
2 16 9 1 0 4 36 66 11
3 -64 -27 -1 0 8 216 132 22
4 256 81 1 0 16 1296 1650 275

J. Belin, E. Ursu (GREThA) STATISTIQUE DESCRIPTIVE Bordeaux 37 / 37