Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

Groupe Dynamique WhatsApp 76 43 95 33

Formation Continue BEMBUS
Formation en Ligne au service des enseignants du Mali
« Le savoir est la plus grande des richesses : on le donne sans réussir à l'épuiser »

Bemba dit Bamba TRAORE

Enseignant Chercheur
Tél : (00223) 69 - 50-23-20/ 76 - 43-95-33 mèl : [email protected]

STATISTIQUE

DESCRIPTIVE
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

Chapitre 1 : Généralités
I. Définitions

 La statistique est la science qui étudie les chiffres.

 La population statistique est un ensemble étudié concernant un phénomène donné par la
statistique. Exemple: l'ensemble des étudiants de la 1ère SE.
 Un élément de l'ensemble étudié s'appelle unité statistique ou individu. Exemple: l'ensemble
des maliens l'unité statistique un malien.
 Chaque unité statistique peut être étudiée suivant un ou plusieurs caractères (qualitatif ou
quantitatif).
 Caractère qualitatif: les modalités du caractère ne sont pas mesurables. Exemple: sexe,
ethnie, religion, nationalité, race, couleur des cheveux.
 Caractère quantitatif ou variable statistique: les modalités du caractère sont mesurable
ou repérables exemple: le nombre d'enfant à charge, taille, âge, température …
 Variable statistique discrète: elle est discrète lorsque les valeurs sont isolées (des nombres
entiers) exemples: nombre d'enfants, nombre de parcelles.
 Variable statistique continue: elle est continue lorsque les valeurs sont comprises entre
deux valeurs distinctes (des nombres décimaux) exemple: taille, poids …
 Exemple: Parc - auto on peut s'intéresser.
A la couleur des voitures : caractère qualitatif
A la puissance des voitures : caractère quantitatif discret
A la marque des voitures : caractère qualitatif

II. Méthode d'observation

Méthode directe : nous nous adressons directement à la population statistique :

recensement exhaustif et enquête partielle
Méthode indirecte : on soumet à l'observation statistique les documents qui ont élaborés
dans un but autre que statistique : les registres d'Etat civil

III. Dépouillement et présentations de résultats statistiques

Le dépouillement consiste à regrouper les résultats d’une enquête statistique dans un tableau
dans le but de faciliter son exploitation.
Exemple 1 : Dépouillement
Une enquête portant sur la situation matrimoniale des employés d'une entreprise a donné:
C C C M C M V C M M
M M C M V C C C C V
C D C M C C M C C M
D M C C C M V C C V
C M D M D C C M C M

C : Célibataire; M : Marié; D : Divorcé; V : Veuf

Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
TAF

1) Quelle est la nature du caractère étudié?

2) Faire le dépouillement dans un tableau statistique en y figurant les effectifs et les fréquences
3) Tracer le graphique par secteur circulaire
4) Tracer le graphique à colonne ou tuyau d'orgue

Réponses 1
1) Le caractère régime matrimonial est qualitatif
2)
Régime Dépouillement Effectif ni Fréquence fi Angle :
matrimonial 360°fréquence
C 25 0,5 180°
M 16 0,32 115,2°
D 4 0,08 28,8°
V 5 0,10 36°
Total 50 1,00 360°
Effectif ni
a) fréquence = ; fi 
Effectif total N
ni
La fréquence peut être exprimée en % dans ce cas f i  100
N
La somme des fréquences est toujours égale à 1 ou 100%
ni N
 fi  
N

N
1
3) Graphique à secteur circulaire
Pour construire ces graphiques, on utilise un cercle 360° . On délimite le cercle en secteur de sorte que les aires
des secteurs soient proportionnelles aux effectifs des différentes modalités du caractère.
Angles = 360°  fréquence

Marié D

5) Graphique à colonne ou tuyau d'orgue

Célibataire
Dans un repère rectangulaire on fait correspondre à chaque modalité un rectangle dont la hauteur est
proportionnelle à l'effectif (ou fréquence) de la modalité.
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

50 Célibatair
e
40
30 Mariés
veuf
Divorcé
20
10

Les rectangles sont de même largeur

Exemple 2: dépouillement / Cas de variables directes

Une enquête portant sur le nombre d’enfants des employés d’une entreprise a donné les résultats :
1, 0, 0, 1, 2, 0, 3, 2, 1, 0, 0, 0, 0, 0, 1, 1, 2, 3, 2, 3, 3, 1, 1, 0, 2, 2, 3, 1, 0, 0, 1, 3, 1, 1, 1, 3, 1, 0, 0, 1, 1, 0, 0, 0,
2, 2, 2, 1, 0, 0, 1, 1, 1, 0, 0, 3, 2, 2, 2, 1, 1, 0, 0, 1, 0, 3, 3, 1, 3, 2, 1, 3, 3, 1, 2, 1, 2, 3, 1, 2.
TAF
1) Quelle est la nature de la variable statistique?
2) Faire le dépouillement dans un tableau statistique en y figurant les effectifs, les fréquences et les fréquences
cumulées croissantes
3) Tracer le diagramme en bâton et le polygone statistique
4) Tracer la courbe cumulative
5) Quel est le % d'employés qui ont
Au moins un enfant ; Au plus deux enfants ; Moins de deux enfants ; Plus d'un enfant
Réponses 2: 1/ La variable statistique est discrète.
2/
Nombre dépouillement effectif fréquence Fréquences Fréquences
d'enfant cumulées cumulées
croissantes décroissantes
0 23 28,75% 28,75% 100%
1 27 33,75% 62,50% 71,25%
2 16 20% 82,50% 37,5%
3 14 17,50% 100% 17,50%
Total 80 100%
n
a) fréquence = effectif / effectif total f i  i elle peut être exprimée en pourcentage
N
ni 23  100
fi  100 Exemple f1   28 ,75%
N 80
b) Fréquences cumulées croissantes sont obtenues en effectuant la somme des fréquences du 1er chiffre au
dernier. En fait, la somme de fréquence du haut en bas.
Fréquences cumulées décroissantes sont obtenues en effectuant la somme des fréquences du dernier chiffre
au 1er chiffre. En fait, la somme de fréquence du bas en bas.
3°) Diagramme en bâtons
Dans un repère rectangulaire on représente chaque valeur du caractère par un bâton vertical dont la hauteur
est proportionnelle à l'effectif de la valeur.
On appelle polygone de fréquence la ligne brisée qui joint les sommets des bâtons.
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

0,25 Polygone statistique de fréquence

0,20
0,15
0,10
0,05

0 1 2 3 nbre d'enfants

4) La courbe cumulative: Cas des variables discrètes.

On appelle courbe cumulative ou fonction de répartition de la fonction
  [0, 1]
x  F(x) = f1 + f2 + f3 + ……….. + fi
x < x1  F(x) = 0
x1  x  x2  F(x) = f1
x2  x  x3  F(x) = f1 + f2 ………..

C'est une fonction en escalier non décroissante.

Par rapport à l'exercice: La courbe cumulative est une fonction en escalier tracer en fonction des fréquences
cumulées croissantes.
x < 0 F(x) = 0
0x1 F(x) = 0,2875
1x2 F(x) = 0,6250
2x3 F(x) = 0,8250
x3 F(x) = 1

1
0,90
0,80
0,70
0,60
0,50
0,40
0,30 <
0,20
0,10

0 1 2 3 nombre d'enfants
5) Comprendre les expressions : « au moins » ; « moins de » ; « au plus » ; « plus de ».
Au moins veut dire "supérieur ou égal" "au min" 
Moins de veut dire "Inférieur" (<)
Au plus veut dire "inférieur ou égal" " au max"
Plus de veut dire "supérieur" (>)
Au moins un enfant : (c’est-à-dire 1, 2 et 3 enfants) 71,25%
Au plus deux enfants (c’est-à-dire 0 ; 1 et 2 enfants): 82,50%
Moins de deux enfants (c’est-à-dire 0 et 1 enfant): 62,5%
Plus d'un enfant (c’est-à-dire 2 et 3 enfants): 37,50%
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
Exemple 3: dépouillement / cas de variables continues
Une enquête sur le poids des élèves d'une classe a donné les résultats suivants:
59 52 60 70 65 74 55 76 66 77 75 53 80
55 82 57 68 70 69 75 75 96 58 72 84 64
78 73 63 87 85 67 74 66 54 86 69 95 86
79 76 56 61 70 62 63 73 73 70 72
1) Quelle est la nature de la variable statistique ?
2) Effectuer le dépouillement suivant les classes: [50, 60]; [60, 70[; [80, 90[; [90,100[.
3) Dresser le tableau statistique des effectifs, fréquences, fréquences cumulées
4) Tracer l'histogramme (cas d'amplitude égale) et le polygone statistique des fréquences.
5) Tracer la courbe cumulative (cas variable continue).
6) Quel est le pourcentage d'élèves qui ont les poids suivants : au moins 70kg; au plus 75kg; moins de 80kg.

Réponse 3:
1) La variable statistique est continue
2)
Poids kg dépouillement effectif fréquences Fréquences Fréquences
cumulées cumulées
croissantes décroissantes
[50, 60[ 9 0,18 0,18 1
[60, 70[ 13 0,26 0,44 0,82
[70, 80[ 19 0,38 0,82 0,56
[80, 90[ 7 0,14 10,96 0,18
[90, 100[ 2 0,04 1,00 0,04
Total 50 1,00 X
N.B.: Dans le cas des variables continues, les valeurs du caractère sont des intervalles de classes [a, b[ où a
est inclus et b est exclus. La différence entre les deux bornes s'appelle amplitude.
Par exemple [50, 60[Amplitude est 60 - 50 = 10.
4) Histogramme
 Cas d'amplitude égale
On porte en abscisse les bornes des intervalles de classes. On construit des rectangles juxtaposés ayant pour
largeur l'amplitude de la classe et pour hauteur une longueur proportionnelle à l'effectif (ou fréquence) de la
classe.

L'histogramme est la ligne polygonale entourant les rectangles. Les aires des rectangles sont proportionnelles
aux effectifs.
 Cas d'amplitude inégale
Pour cela on choisit une classe étalon d'amplitude a0 (la plus petite amplitude). On calcule pour chaque classe
les fréquences (ou effectifs) rectifiées.
Effectif  plus petiteamplitude n  a0
Effectif rectifié = n’i = i
amplitudedela classe ai

fré quence plus petiteamplitude f  a0

Fréquence rectifiée. = f’i = i
amplitudedela classe ai
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
L'histogramme est tracé avec des effectifs (ou fréquence) rectifiés

0,40
0,36
0,62
0,28
0,24
0,20 polygone statistique
0,16
0,12
0,08
0,04

50 60 70 80 90 100
5) Courbe cumulative: (cas des variables continue)
C'est la fonction de répartition continue non décroissante de
  [0, 1]
x  F(x) = f1 + f2 + f3 + ……….. + fi
x < 50 F(x) = 0
x = 60 F(x) = 0,18
x = 70 F(x) = 0,44
x = 80 F(x) = 0,82
x = 90 F(x) = 0,96
x  100 F(x) = 1,00

N.B.: elle est tracée en fonction des fréquences cumulées croissantes en considérant les bornes supérieures
des intervalles.

1,00
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1

50 60 70 80 90 100 poids kg
6) au moins 70 kgs : 56%
au plus 75 kgs : 70%
moins de 80 kgs : 82%
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
Exemple 4: Variables continues / Amplitudes inégales
La répartition des quatre vingt travailleurs d'une entreprise suivant leurs âges est donnée par le tableau suivant
:
Ages années [20, 25[ [25, 30[ [30, 35[ [35, 45[ [45, 60[
Fréquences 0,25 0,0625 … 0,125 0,375
1) Reconstituer les effectifs rectifiés ;
2) Calculer les fréquences cumulées croissantes ;
3) Tracer l'histogramme et le polygone des fréquences ;
4) Tracer la courbe cumulative.
Réponse 4 : La variable statistique est continue
Ages Effectif Fréquences Fréquences cumulées croissantes Fréquences rectifiées
[20, 25[ 20 0,25 0,25 0,25
[25, 30[ 5 0,0625 0,3125 0,0625
[30, 35[ 15 0,1875 0,5000 0,1875
[35, 45[ 10 0,125 0,6250 0,1255/10 = 0,0625
[45, 60[ 30 0,375 1,00 0,3755/15 = 0,125
Total 80 1,000 X X
fré quence plus petiteamplitude
Fréquence rectifiée =
amplitudedela classe
3) Histogramme : amplitude inégale
Pour tracer l'histogramme, il faut commencer par rectifier les fréquences (ou effectifs) lorsque ces amplitudes
sont inégales.
Noter bien : La fréquence rectifiée est utilisée exclusivement dans le cas de l'histogramme ou du calcul de
mode.

0,2500

0,1875 polygone statistique

0,125

0,06250

20 25 30 35 40 45 50 55 60
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

4) Courbe cumulative (voir l'exemple 3)

1,00
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1

20 25 30 35 40 45 50 55 60 âges
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

Chapitre 2 : Les caractéristiques d’une série statistique

I. Le mode ou le dominant (caractéristique de position)
C'est la valeur du caractère qui correspond à la plus grande fréquence. Dans le cas des caractères
continus, on a la classe "modale" mais on doit faire attention aux amplitudes de classe. Si les classes
sont d'amplitude inégales on prendra comme classe modale la classe qui a la fréquence rectifiée la
plus élevée.

II. La Médiane (caractéristique de position)

La médiane est la valeur du caractère qui correspond à l'unité statistique placée au milieu de la
population statistique.
Cas des variables statistiques discrètes :
 Si l'effectif total N est impair, N = 2K + 1, la médiane est la valeur du (K + 1)ième individu (à partir des
effectifs cumulés croissants).
Par exemple : N = 27 la médiane correspond au 14ième individu.

 Si l'effectif total est pair, N = 2K la médiane n'est pas une valeur du caractère mais elle vaut
xk  xk 1
Me’ =
2
Par exemple : N = 20 la médiane correspond au 10,5ième individu.
Cas des variables statistiques continues
La médiane est la valeur du caractère pour laquelle la courbe cumulative prend la valeur (1/2) :
1
 f ( xi )
La médiane: Mé  x  x
i i 1
 x
i
2
f ( xi 1)  f ( xi )
A partir des fréquences cumulées croissantes on détermine un encadrement de ½ : f(x i) < ½ < f(x i+1)
et la classe médiane [x i, xi+1[ : x i < Mé < xi+1.
Exemple 5: On donne la répartition des élèves suivants, le nombre de frères
Nombre de frères 1 2 3 4 5 Total
effectifs 10 5 15 7 8 45
TAF:
1) Quelle est la nature de la variable statistique?
2) Déterminer le mode et la médiane
Réponse 5
1) la variable statistique est discrète ;
2) le mode = 3 frères (qui correspond à l'effectif le plus élevé)

La médiane: variable discrète N impaire

N = 45 = 2  22 + 1 (2K+1) K = 22
A partir de l'effectif cumulé croissant (K = 22) correspond à 3 frères
Médiane = 3 frères
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
Exemple 6: On donne la répartition des élèves suivant le nombre de sœurs
Nombre de sœurs 1 2 3 4 5 6 7 Total
Effectifs 10 20 8 6 2 4 8 58
Effectifs cumulés 10 30 38 44 46 50 58 X
TAF: Calculer le mode et la médiane
Le Mode : 2 sœurs (correspondent à l'effectif le plus élevé)
La médiane : variables discrète N paires N = 2K = 2  29
x29  x30 2  2
K = 29 Me’ =  = 2 sœurs
2 2
Exemple 7: On donne la répartition des élèves suivant la taille en cm
Taille en cm 150-155 155-160 160-165 165-175 175-190
Effectif 17 10 18 20 15
Fréquences 21,25% 12,5% 22,5% 25% 18,75%
Fréquences 21,25% 33,75% 56,25% 81,25% 100%
cumulées
Fréquences 21,25% 12,5% 22,5% 12,5% 6,25%
rectifiées
TAF : Calculer le mode et la médiane (algébriquement)

Réponse 7:
Le mode: la classe modale [160, 165[, correspond à la fréquence rectifiée la plus élevée. Classe modale
160  165
[160, 165[ , le mode = = 162,5 cm
2
La médiane:
1
 f ( xi )
Mé  x
i
 x i 1
 x
i
2
f ( xi 1)  f ( xi )

A partir des fréquences cumulées croissantes ½ est entre 0,3375 et 0,5625 (0,3375 < ½ < 0,5625) ce
qui correspond à la classe médiane [160, 165[, alors 160<Mé<165 : 160 < Me < 165 et 0,3375 < ½ <
0,5625
( 165  160 )( 50%  33 ,75%)
Me' = 160 + = 163,61 cm
56 ,25%  33 ,75%
III. Les Quantiles, déciles et centiles (caractéristique de position)
Les quantiles c’est la division d'une distribution statistique en quatre parties égales : Q1, ( ¼ ) ;
Q2, ( ½ ) ; Q3 ( ¾ )
i
 f ( xi )
Q  x  xi 1  x  f (4
i i i
x )  f ( xi )
i 1

Note : Q2 = médiane
Remarques : (caractéristiques de dispersion)
Ecart interquartile absolu : ea = Q3 - Q1.
Ecart interquartile relatif : er = (Q3 - Q1.) / Q2
si er est grand on peut dire que la population est dispersée..
Exemple 8 : A partir de l'exemple 7 calculer l'intervalle interquartile.
Réponse 8:
Q1 : fréquences cumulées ¼ est entre 0,2125 et 0,3375 correspondant à la classe [155, 160[ : 155 <
Q1 < 160 et 0,2125 < ¼ < 0,3375
( 160  155 )( 25%  21,25%)
Q1 = 155 + = 156,5 cm
33 ,75%  21,25%
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
Q3 : fréquences cumulées ¾ est entre 0,5625 et 0,8125 correspondant à la classe [165, 175[ : 165 <
Q3 < 175 et 0,5625 < ¾ < 0,8125
( 175  165 )( 75%  56 ,25%)
Q3 = 165 + = 172,5 cm
81,25%  56 ,25%

Ecart interquartile absolu ea = Q3 - Q1 = 172,5 - 156,5 = 16 cm

Les déciles :
Les déciles c’est la division d'une distribution statistique en dix parties égales : D1, ; D2, ; D3, ; D4, ; D5, ;
D6, ; D7, ; D8, ; D9, .
i
(b  a )(  f ( a ))
Di = = a + 10
f (b)  f ( a )
Les centiles :
Les déciles c’est la division d'une distribution statistique en cent parties égales : C1, ; C2, ; C3, ; …… ;
D99 ;
i
(b  a )(  f ( a ))
Ci = = a + 100
f (b)  f ( a )

IV. Les moyennes (caractéristique de tendance centrale : position)

On appelle moyenne une résultante de toutes les valeurs observées qui, substituée à chacune d'elles
laissent la valeur globale du caractère inchangé

1. La moyenne arithmétique X
Soient les valeurs x1, x2, x3, …….., xn

X 
x1  x2  x3   xn

 xi
n n
Exemple 9 : 3, 5, 7, 8, 9
3  5 7  8  9 32
X   = 6,4
5 5
a b  c
Exemple 10 : a, b, c X 
3
Cas des tableaux statistiques

X 
n1 x1  n2 x2  n3 x3  nk x k

 ni xi
n n
N.B.: Dans le cas des variables continues c'est-à-dire des intervalles de classes le caractère xi sera le
 
a b
centre de classe x i . [a, b[ centre x i  .
2
La moyenne arithmétique par changement d'origine et d’échelle :


On pose yi 
x i  x0
avec X = h Y +x0 et Y 
 ni y i
h n
x0 : c'est une valeur centrale du caractère xi.
h : c'est la plus petite amplitude des classes .
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
Retenons bien :
Si Y = ax + b la moyenne arithmétique Y = a X + b
Si Z = ax + by la moyenne arithmétique Z = a x + by
X   X  
Si Z i  la moyenne arithmétique de Z : Z i 
h h
Exemple : Calculer la moyenne de Z :
X 5 2X XX X  2X
a) Z  b) Z  c) Z  d) Z 
i
2 i
5 i
 i
2
2. La moyenne géométrique X G
Soient les valeurs x1, x2, x3, ….., xn
X G  n x1  x2  x3  xn
Exemple 11 : 3, 5, 7, 8, 9 X G  5 3  5 7  8  9 = 5,966
Exemple 12 : a, b, c X G  3 a b  c
Cas de tableaux statistique
n n n n
X G  n x1 1  x2 2  x3 3  xk k
ni ln xi
Dans la pratique, on utilise ln X G 
n
N.B.: ln "logarithme népérien" ln X = a  X = ea
Retenons bien :
Si Y = ax la moyenne géométrique de Yg : Y g= a XG

Si Z = axα la moyenne géométrique de Z : Z  a. X G
Exemple : Calculer la moyenne de Z :
X2 2X 
a) Zi  b) Zi 
2 5

3. Moyenne harmonique X H
Soient les valeurs x1, x2, x3, … , xn
n n
XH 
 xi
1 1 1 1 1
  
x1 x2 x3 xn
Exemple 13 : 3, 5, 7, 8, 9 5 = 5,48
X H 
1 1 1 1 1
   
3 5 7 8 9
Exemple 14 : a, b, c 3
XH
1 1 1
 
a b c
Cas de tableaux statistique
n n
X H  
n1 n2 n3 n n
 
x1 x2 x3
 k
xk  xii
Retenons :
1
Si Y = 1/X la moyenne harmonique de X : X H

Y
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

4. Moyenne quadratique X q
Soient les valeurs x1, x2, x3, …, xn
Xq 
x12  x 22  x32    x n2

x 2
i

n n
Exemple 15 : 3, 5, 7, 8, 9 X q 
32  5 2  7 2  8 2  9 2
 6,75
5

Cas de tableaux statistique Xq 

n x i
2
i

V. La variance et l'écart type (mesure de dispersion)

L'écart type est la moyenne quadratique des écarts par rapports à la moyenne arithmétique. Le carré
de l'écart de type est la variance
V(X) =  ni ( xi  X )2
n

La formule développée V (X ) 
n x i
2
i
 (X )2
n
V ( X )  X 2  ( X ) 2 , la moyenne des carrés - le carré des moyennes

Exemple 16 : soient les valeurs x1, x2, x3, …, xn

 x 2  x 22   x n2   x  x 2  x3  x n 
2

V ( X )   1    1 
 n   n 
Par exemple : 3, 5, 7, 8, 9
 32  5 2  7 2  8 2  9 2  357 89
2

V ( X )        39,2
 5   5 
V(X) = 39,2 l'écart type  = 39,2  6,26

La variance par changement d'origine et d’échelle :

 ni
 2
x i  x0 y
 y
V ( x)
On pose yi  avec V ( y )  2  V ( x)  h xV ( y) et V ( y ) 
2 i 2

h n
h
x0 : c'est une valeur centrale du caractère xi.
h : c'est la plus petite amplitude des classes .

Remarques
1. la variance V(X)  0 (positive ou nulle)
2. l'écart type (X) = V (X )
3. V(X) = ( X q ) 2  ( X ) 2 (moyenne quadratique au carré - moyenne arithmétique au carré.
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
V. Les moments (caractéristique de dispersion)

On appelle moment d'ordre r par rapport à la valeur "a" le nombre r pré-indicer "r" par a (amr) tel que
amr 
 n (x i i  a) r
n
En exposant a = 0 Moments non centrés d'ordre "r" mr.
mr 
n x i
r
i

si r=0 m0 
n 1
i

si r=1 m1 
 ni x i  X
n

si r=2 m2 
 ni xi2  ( X q ) 2
n
Retenons :

le moment centré de Z :  Z    x   X 
r
X  
Si Z i
 r
h r r
h
En supposant a = X Moments centrés d'ordre "r" :  X 
r

 X  
 n (x i i  X) r

r n
Si r = 0 0 = 1
Si r = 1 1 = 0
Si r = 2 2 = V(X)
Retenons :

le moment centré de Z :  Z    x   X 
r
X  
Si Z i
 r
h r r
h
Exemple : Calculer le moment centré de Z :
X 5 2X XX X  2X
a) Z  b) Z  c) Z  d) Z 
i
2 i
5 i
 i
2

VI. L’étendue : (mesure de dispersion)

C’est l’écart entre la plus grande valeur et la plus petite valeur du caractère. L’étendu est une mesure
de dispersion qui est très facile à calculer. C’est pourquoi elle est souvent utilisée en contrôle de
fabrication. Elle présente cependant deux désavantages :
 Elle dépend des valeurs extrêmes qui sont souvent douteuses ou exceptionnelles ;
 Elle ne dépend pas des autres observations.
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
VII. Ecart moyen
Ecart moyen par rapport à la médiane

e
X i
 Mé ni
ou e    Mé fi . C’est le plus petit des écarts moyens.
n X i

Ecart moyen par rapport à la moyenne arithmétique

e
 X m n
i i
ou e X im fi
n i

Avec « m » la moyenne arithmétique. Si m =0, e serait égal à la moyenne arithmétique.

Si « e » est faible (ou élevée) serait évidemment le signe d’une dispersion plus faible (ou plus

élevée).

n x
2
x
Ecart quadratique moyen ou écart type : C’est la mesure de dispersion la

i i

X
 i 1

n
plus utilisée.
Coefficient de variation
C’est le rapport de l’écart type à la moyenne arithmétique CV (x)=  x
. Il n’a pas d’unité de
x
mesure et il est invariant par changement d’échelle.
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

Chapitre 3 : Distribution statistique à deux variables x et y

Dans les chapitres qui ont précédé, les distributions statistiques étudiées portaient sur un seul caractère, une
seule variable, que l’on observait sur chacune des unités statistiques composant la population. Or il est tout à
fait possible de se trouver d’une population telle qu’on puisse étudier deux caractères différents sur une même
unité statistique.
Rappels de Calculs :

X 
X
2

 X 
X 2
 la moyenne arithmétique ;  la variance v(x) 
n n

 l’écart type   v(x)  la covariance Cov( X , Y ) 

  XY    X x  Y
n n n

Exemple 1 : Soit une population statistique ayant été étudiée à un double point de vue x et y :
Xi 8 3 5 4 0
yj 1 3 2 1 1
1/ Calculer le coefficient de corrélation linéaire entre X et Y.
2/ Donner l’équation de la droite de régression de Y en X (méthode des moindres carrés) ;
Réponse :
Xi 8 3 5 4 0 20
Yi 1 3 2 1 1 8
X² 64 9 25 16 0 114
Y² 1 9 4 1 1 16
X.Y 8 9 10 4 0 31
1/ Le coefficient de corrélation 
Cov( x, y ) = -0,2 / [2,608 * 0,8] = -0,096
R xy
 x y

Cov( x, y ) 
 X .Y   X x  Y = 31/5 – (20/5)x (8/5) = -0,2 ;
n n n

 X ²    X  = (114/5) – (20/5)² = 6,8 et σx = 2,608

2

 X
²
n 
 n 


Y ²   Y 
2

 Y
²
n  n  = (16/5) – (8 /5 )² = 0,64 et σy = 0,8
 
2/ la droite de régression :
Y = a + b X avec b = Cov (x,y) / V(x) = -0,0956 / 6,8 = -0,014
a = Y – bX = 1,6 – (-0,014) x 5 = 1,67
Y = 1,67 - 0,014 X
Exemple 2 : soit le tableau suivant
Yj 1 2 3 4 5 Total
Xi
1 3 2 1 0 1 7
2 1 0 1 2 1 5
3 2 1 3 2 3 11
Total 6 3 5 4 5 23
 Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

1°) Calculer x ; y ; v(x) et v(y) 2°) Calculer Cov (x,y) et coefficient de corrélation r x y
Solution 2 :

Le distribution marginale de x La distribution marginale de y

xi ni ni xi ni xi2 yj nj Nj yj nj y 2j
1 7 7 7 1 6 6 6
2 5 10 20 2 3 6 12
2 11 33 99 3 5 15 45
total 23 50 126 4 4 16 64
5 5 25 125
Total 23 68 252
x = 50/23=2,17 y = 68/23=2,957
v(x) = 126/23 – (2,17)2=0,769 v(y) = 252/23 – (2,957)2 = 2,213
x = 0,877 x = 1,488
Cov (x , y) = E (x* y) – E(x) . E(y)
Retenons que E (x) = X ; E (y) = Y soit l’espérance mathématique
A partir du tableau à double entrée (voir l’énoncé) calculons
1  3  1  1  2  2   1  1  3  1  0  4   1  1  5  2  1  1  2  0  2   2  1  3
E(x * y)    23
 2  2  4   2  1  5  3  2  1  3  1  2   3  3  3  3  2  4   3  3  5 
E(x * y)  157 / 23  6,826
Cov (x, y) = E (x*y) – E (x). E(y) = 6,826 - 2,17 x 2,957 = 0,409
N.B. La covariance peut être positive, négative ou nulle
Si Cov (x , y) = 0 alors x et y sont indépendantes
Si Cov (x , y) > 0 alors x et y varient dans le même sens
Si Cov (x , y) < 0 alors x et y ne varient pas dans le même sens.
* Le coefficient de corrélation

R XY
 Cov(x , y) /x.y  0,409 / 0,887  1,488  0,314
N.B. –1 < r x y < 1
Si r x y est = 1 alors x et y sont fortement corrélées ;
Si r x y est = 0 alors x et y sont indépendantes.
 Retenons bien ceci : E(x) l’espérance mathématique de x
v (x) la variance de x
 E(ax) = a E(x)
 E (ax + by) = a E(x) + b E(y)
 V(ax) = a2 v(x)
 V(ax + by) = a2 V(x) + b2 V(y) + 2ab Cov(x,y)
 E(3x + 4y) = 3 E(x) + 4 E(y)
 V (3x + 4y) =9 V(x) + 16 V(y) + 2 x 3 x 4 Cov(x,y).
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
Exemple 3 :
A partir du tableau suivant calculer
a) E(x) ; E(y) ; V(x) ; V(y) ; Cov(x,y) ; r x y
b) On pose Z = 3x + 4y ; T = x – y ; W = x + 2y
Calculer E(z) ; E(T) ; E (w) ; V(z) ; V(T) ; V(w)
Réponses 3 : Vous disposez des résultats, on vous demande de tester votre niveau
a) E(x) = 42/12 E(y) = 27/12 V(x) = 29/12 V(y) = 8,25/12
Cov(x,y) = 1,5/12 r x y = 0,075
b) E(z) = 3 E(x) + 4 E(y) ; E(T) = E(x) – E(y) ; E(w) = E(x) + 2 E(y)
V(z) = 9 V(x) + 16 V(y) + 2 x 3 x 4 Cov (x , y)
V(T) = V(x) + V(y) + 2 Cov (x , y)
V(w) = V(x) + 4V(y) + 4 Cov (x , y)
Retenons : V(-x) = (-1)2 V(x) = V(x) alors V(-ax) = V(ax) = a2V(x)
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

Régression simple
2.I.- Les distributions statistiques à deux variables
Une série statistique à deux variables est une série pour laquelle deux
caractères mesurables sont relevés pour chaque individu.
Tableau des distributions statistiques à deux variables
Les distributions statistiques se présentent sous formes :
1er tableau : Tableau à simple entrée
La variable Xi X1 X2 X3 X4 X5
La variable Yj Y1 Y2 Y3 Y 4 Y5
̅; 𝒀
Calculs des variables : 𝑿 ̅ ; 𝝈𝒙 , 𝝈𝒚 ; 𝑪𝒐𝒗 (𝒙, 𝒚)
∑ 𝑋𝑖 𝑋1 +𝑋2 +𝑋3 + ……+𝑋𝑛
̅=
 la moyenne arithmétique de X : 𝑋 =
𝑛 𝑛
∑ 𝑌𝑖 𝑌1 +𝑌2 +𝑌3 + ……+𝑌𝑛
̅=
 la moyenne arithmétique de Y : 𝑌 =
𝑛 𝑛
∑ 𝑋𝑖2
 la variance de X : 𝑉(𝑋) = − (𝑋̅)²  l’écart type 𝝈𝒙 = √𝑽(𝒙)
𝑛
∑ 𝑌𝑖2
 la variance de Y : 𝑉(𝑌) = − (𝑌̅)²  l’écart type 𝝈𝒚 = √𝑽(𝒚)
𝑛
∑ 𝑋∗𝑌
 la covariance de X et Y : 𝐶𝑜𝑣(𝑋, 𝑌) = − (𝑋̅ ∗ 𝑌̅)
𝑛
𝐶𝑜𝑣 (𝑋,𝑌)
 le coefficient de corrélation X et Y : 𝑅𝑥𝑦 =  −1 ≤ 𝑅𝑥𝑦 ≤ +1
𝜎𝑥 ∗ 𝜎𝑦

Analyse de la covariance :
Si cov (X,Y) est = 0 : les variables X et Y sont indépendantes
Si cov (X,Y) est = + : les variables X et Y évoluent dans le même sens
Si cov (X,Y) est = - : les variables X et Y évoluent dans le même sens
La droite d’ajustement Y= ax + b par la méthode des moindres carrés
ordinaire MCO :
La droite de tendance 𝒀(𝒙) = 𝒂 ∗ 𝒙 + 𝒃 par la méthode linéaire
Formule de calcul de : 𝒀 = 𝒂 ∗ 𝒙 + 𝒃 par la méthode linéaire
∑ 𝑋∗𝑌−𝑛∗𝑋̅ ∗𝑌̅ ∑𝒙 ∑𝒚
𝑎= ̅− 𝒂∗𝒙
et 𝒃 = 𝒀 ̅ avec 𝒙
̅ = 𝒊 et 𝒚̅= 𝒊
∑ 𝑋 −𝑛 ̅
2 2
𝑋 𝒏 𝒏

Le coefficient de détermination R² = R²xy: o< R² < 1

R² est un indicateur de qualité de l’ajustement linéaire entre les variables explicative et
expliquée.
Si R² =1, on dira que les variations de la variable indépendante sont parfaitement expliquées
par la ou les variables indépendantes.
Si R² = 0, on dira que les variations de la variable dépendante ne sont pas expliquées par la
variable indépendante.
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
Exemple 1 : Soit une population statistique ayant été étudiée à un double point de vue x et y :
Xi 8 3 5 4 0
Yj 1 3 2 1 1
1/ Calculer les variables : 𝑋̅ ; 𝑌̅; 𝜎𝑥 , 𝜎𝑦 ; 𝐶𝑜𝑣 (𝑥, 𝑦)
2/ Calculer le coefficient de corrélation linéaire entre X et Y.
3/ Donner l’équation de la droite de régression de Y en X (méthode des moindres carrés) ;
Réponse :
Total
Xi 8 3 5 4 0 20
Yi 1 3 2 1 1 8
X² 64 9 25 16 0 114
Y² 1 9 4 1 1 16
X.Y 8 9 10 4 0 31
∑𝑋 20
 la moyenne arithmétique de X : 𝑋̅ = 𝑖 = = 4
𝑛 5
∑𝑌 8
 la moyenne arithmétique de Y : 𝑌̅ = 𝑖 = = 1,6
𝑛 5
114
 la variance de X : 𝑉(𝑋) = − (4)² = 6,8  l’écart type 𝝈𝒙 = √𝟔, 𝟖 = 𝟐, 𝟔𝟏
5
16
 la variance de Y : 𝑉(𝑌) = − (1,6)² = 0,64  l’écart type 𝝈𝒚 = √𝟎, 𝟔𝟒 = 𝟎, 𝟖
5
31
 la covariance de X et Y : 𝐶𝑜𝑣(𝑋, 𝑌) = − (4 ∗ 1,6) = −0,2
5
𝐶𝑜𝑣 (𝑋,𝑌) −0,20
 la coefficient de corrélation X et Y : 𝑅𝑥𝑦 = = 2,61∗0,8 = −0,096
𝜎𝑥 ∗ 𝜎𝑦

La droite de régression : 𝒀 = 𝒂 ∗ 𝒙 + 𝒃 par la méthode linéaire

∑ 𝑋∗𝑌−𝑛∗𝑋̅ ∗𝑌̅ ∑𝒙 ∑𝒚
𝑎= ̅− 𝒂∗𝒙
et 𝒃 = 𝒀 ̅ avec 𝒙
̅ = 𝒊 et 𝒚̅= 𝒊
∑ 𝑋 −𝑛 ̅
2 𝑋 2 𝒏 𝒏
𝐶𝑜𝑣(𝑋, 𝑌) ∑ 𝑋 ∗ 𝑌 − 𝑛 ∗ 𝑋̅ ∗ 𝑌̅ −0,20
𝑎= = = = −0,029
𝑉(𝑋) ∑ 𝑋 2 − 𝑛 ̅𝑋 2 6,8
et 𝒃 = 𝒀 ̅− 𝒂∗𝒙 ̅ = 𝟏, 𝟔 − (−𝟎, 𝟎𝟐𝟗) ∗ (𝟒) = 𝟏, 𝟕𝟏𝟔  Y = 1,716 - 0,029 X
Exercice : On cherche à étudier la relation entre le nombre d’enfants d’un couple et son salaire. On dispose
de la série bidimensionnelle suivante :
Salaire en euros Nombre d’enfants (X)
(Y)
510 4
590 3
900 2
1420 1
2000 0
600 5
850 6
1300 7
2200 8
Calculer le coefficient de corrélation linéaire entre ces deux variables statistiques. Conclusion ?
Un expert en démographie affirme que les deux caractéristiques sont indépendantes. Qu’en pensez-vous ?
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

2ème Tableau : Tableau à double entrée

Le tableau a double entrée se présente sous la forme :
Xi X1 X2 X3 X4 Total des effectifs de Y
Yj
Y1 N11 N12 N13 N14
Y2 N21 N22 N23 N24
Total des effectifs de X

Exemple : une enquête portant sur le nombre d’enfants (X) et le nombre de frères (Y) des
employés d’une entreprise a donné les résultats suivants :
 7 employés ont 1 enfant et 1 frère ;  6 employés ont 2 enfants et 2 frères;
 5 employés ont 1 enfant et 2 frères  3 employés ont 2 enfants et 3 frères
 4 employés ont 1 enfant et 3 frères ;  4 employés ont 3 enfants et 1 frère ;
 8 employés ont 2 enfants et 1 frère  1 employé a 3 enfants et 2 frères
 2 employés ont 3 enfants et 3 frères ;
Construire le tableau à double entrée :
X 1 2 3 Total
Y des effectifs de Y
1 7 8 4 19
2 5 6 1 12
3 4 3 2 9
Total des effectifs de X 16 17 7 40
Exemple 2 : soit le tableau suivant
Yj 1 2 Total
Xi
1 3 2 5
2 1 0 1
3 1 1 2
Total 5 3 8
1/ Calculer les variables : 𝑋̅ ; 𝑌̅; 𝜎𝑥 , 𝜎𝑦 ; 𝐶𝑜𝑣 (𝑥, 𝑦)
2/ Calculer le coefficient de corrélation linéaire entre X et Y.
3/ Donner l’équation de la droite de régression de Y en X (méthode des moindres carrés) ;
Réponses :
Distribution marginale de Y
Distribution marginale de X Yj nj Ni*Yi Ni*Yi²
Xi ni Ni*Xi Ni*Xi² 1 5 5 5
1 5 5 5 2 3 6 12
2 1 2 4 Total 8 11 17
3 2 6 18 ∑ 𝑛𝑖 ∗ 𝑦𝑖 11
Total 8 13 27 𝑌̅ = = = 1,375
∑ 𝑛𝑖 ∗ 𝑥𝑖 13 𝑛 8
𝑋̅ = = = 1,625 17
𝑛 8 𝑉(𝑦) = − (1,375)² = 0,23
8
27 L’écart type de Y = 0,48
𝑉(𝑥) = − (1,625)² = 0,74
8
1,890625
L’écart type de X = 0,86
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
∑ 𝑛𝑖𝑗 ∗𝑋𝑖 ∗𝑌𝑗
Covariance 𝐶𝑜𝑣 (𝑋, 𝑌) = − 𝑋̅ ∗ 𝑌̅
𝑛
1∗3∗1+1∗2∗2+2∗1∗1+2∗0∗2+3∗1∗1+3∗1∗2
Covariance 𝐶𝑜𝑣 (𝑋, 𝑌) = − 1,625 ∗ 1,375 = 0,02
8
𝐶𝑜𝑣 (𝑋,𝑌) 0,02
Le coefficient de corrélation X et Y : 𝑅𝑥𝑦 = = = 0,048
𝜎𝑥 ∗ 𝜎𝑦 0,86∗0,48

La droite de régression :
Formule de calcul de : 𝒀 = 𝒂 ∗ 𝒙 + 𝒃 par la méthode linéaire
∑ 𝑋∗𝑌−𝑛∗𝑋̅ ∗𝑌̅ ∑ 𝒙𝒊 ∑ 𝒚𝒊
𝑎= et 𝒃 = ̅
𝒀 − 𝒂 ∗ ̅
𝒙 avec ̅
𝒙 = et ̅
𝒚 =
∑ 𝑋 −𝑛 ̅
2 2𝑋 𝒏 𝒏
𝐶𝑜𝑣(𝑋, 𝑌) ∑ 𝑋 ∗ 𝑌 − 𝑛 ∗ 𝑋̅ ∗ 𝑌̅ 0,02
𝑎= = = = 0,027
𝑉(𝑋) ∑ 𝑋 2 − 𝑛 ̅𝑋 2 0,74
̅− 𝒂∗𝒙
et 𝒃 = 𝒀 ̅ = 𝟏, 𝟑𝟕𝟓 − (𝟎, 𝟎𝟐𝟕) ∗ (𝟏, 𝟔𝟐𝟓) = 𝟏, 𝟑𝟑  Y = 1,33 - 0,027 X

Exercice 1 : soit la série

X 1 0 1 0 1 0 1 1
Y 1 1 0 1 0 1 0 0
a) Calculer les moyennes arithmétiques de X et Y ;
b) Calculer les écarts types de X et Y ;
c) Calculer la covariance X et Y ;
d) Calculer le coefficient de corrélation entre X et Y ;
Exercice 2 : soit la série
Y 1 2 3 Total X
X
1 0 1 1 2
2 1 0 1 2
Total Y 1 1 2 4
a) Calculer les moyennes arithmétiques de X et Y ;
b) Calculer les écarts types de X et Y ;
c) Calculer la covariance X et Y ;
d) Calculer le coefficient de corrélation entre X et Y ;
Exercice 3 : soit la série
X 1 0 a? 1 b?
Y c? 0 1 1 d?
Compléter ce tableau sachant que :
X  7 / 5 ; Y 9 / 5 ;   26 ;  54
X 5 Y 5
a) Compléter le tableau
b) Calculer les moyennes arithmétiques de X et Y ;
c) Calculer les écarts types de X et Y ;
d) Calculer la covariance X et Y ;
e) Calculer le coefficient de corrélation entre X et Y ;
Exercice 3 : soit la série
X a? 3 7 b? 4
Y 2 1 c= ? 4 d?

  74 
2
8
2
Compléter ce tableau sachant que : X  21/ 5 ; Y 3 ; X 25 ; Y
Compléter le tableau Calculer le coefficient de corrélation entre X et Y ;
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33

BAC – 2014 – TS éco / Exercice 2 (8 points)

Le tableau suivant donne les dépenses en millions de francs cfa des ménages en produits
informatiques (matériels, logiciels, réparations) de 1990 à1999.
Année 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
Rang xi 0 1 2 3 4 5 6 7 8 9
Dépenses yi 398 451 423 501 673 956 1077 1285 1427 1490
1-/ Dessiner le nuage de points 𝑀𝑖 (𝑥𝑖 ; 𝑦𝑖 ) dans le plan muni d’un repère orthogonal avec pour unités
graphiques, 1cm pour un rang en abscisse, 1cm pour 200 millions de francs en ordonnée.
2-/ Déterminer un ajustement affine de la série par la méthode de MAYER.
3-/ En utilisant cet ajustement, effectuer une prévision des dépenses pour l’année 2005.
Solution
Le tableau suivant donne les dépenses en millions de francs cfa des ménages en produits
informatiques de 1990 à 1999.
Année 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
Rang xi 0 1 2 3 4 5 6 7 8 9
Dépenses yi 398 451 423 501 673 956 1077 1285 1427 1490
1° Dessinons le nuage de points Mi (xi , yi )
1cm pour un rang en abscisse
1cm pour 200 millions de francs en ordonnée.

2° Déterminons la droite d’ajustement par la méthode de MAYER.

Soit E1 le sous nuage formé des 5 premiers points du nuage

TOTAL
xi 0 1 2 3 4 10
Les points essentiels de Statistique Descriptive ***Bemba B TRAORE 76 43 95 33
yi 398 451 423 501 673 2446
Soit G1 le point moyen de E1
10 2446
x G1 =  2 et y G1 =  489,2 donc
5 5
G1 (2 ; 489,2) 1 point
Soit E2 le sous nuage formé des 5 derniers points du nuage
TOTAL
xi 5 6 7 8 9 35
yi 398 451 423 501 673 6235
Soit G2 le point moyen de E2
35 6235
x G2 =  7 et y G 2 =  1247 , donc
5 5
G2 (7 ; 1247) 1 point
Soit  : y = ax + b, la droite d’ajustement affine.
G1   489,2  2a  b
On a :  
G2   1247  7 a  b
On obtient a = 151,56 et b = 186,08. Donc la droite d’ajustement affine de y en x par la méthode
de MAYER a pour équation :
y = 151,56x + 186,08 2 points
3° Prévision des dépenses pour l’année 2005.
L’année 2005 correspond au rang
x = 15 0,5 point
Pour x = 15, y = 151,56  15 + 186,08 = 2 459, 48
La prévision des dépenses en 2005 est estimée à 2 459,48 millions 0,5 point