Statistique Descriptive Appliquée à
la Sociologie
Thème : Écart Absolu Moyen
Université de Labé, Faculté des Lettres et Sciences
Humaines
Département de Sociologie
Année Universitaire 2023-2024
Professeur chargé du cours : Mr Delamou André
Introduction
• L'écart absolu moyen (EAM) est une mesure statistique
utilisée pour évaluer la précision d'un modèle prédictif
ou d'une série de données. Son objectif principal est de
fournir une indication de la précision globale d'un
modèle ou d'une méthode de prévision.
• L'EAM est largement utilisé dans divers domaines tels
que la finance, la météorologie, l'économie et la science
des données, où l'évaluation précise des prévisions est
cruciale pour la prise de décision.
Historique
• L'écart absolu moyen a une histoire riche dans le
domaine de la statistique :
• - Origines dans la statistique descriptive
• - Développement au début du XXe siècle
• - Utilisation dans les domaines appliqués
• - Développement de techniques d'estimation et
d'inférence
• - Incorporation dans les logiciels statistiques comme R,
Python et MATLAB
Définition
• L'écart absolu moyen (EAM) est une mesure de
dispersion qui calcule la moyenne des écarts absolus
entre chaque valeur d'un ensemble de données et la
moyenne de cet ensemble. Il permet de mesurer à quel
point les valeurs individuelles sont éloignées de la
moyenne.
Objectif
• L'objectif de l'écart absolu moyen est de quantifier la
dispersion des données par rapport à leur moyenne. En
général, un EAM plus faible indique que les données sont
plus concentrées autour de la moyenne, suggérant une
plus grande précision.
• Un EAM plus élevé indique une dispersion plus
importante, signalant une variabilité plus grande ou des
prévisions moins fiables.
Application
𝐸𝐴𝑀 =1𝑛 ∑ |𝑥𝑖− 𝑥̅|𝑛
• Exemple : Calcul de l'EAM pour les notes des étudiants.
• Notes : 15, 17, 14, 16, 18
• Moyenne des notes : 16
• Écarts absolus : |15-16|=1, |17-16|=1, |14-16|=2, |16-
16|=0, |18-16|=2
• EAM = (1+1+2+0+2) / 5 = 1.2
Conclusion
• En conclusion, l'écart absolu moyen constitue un pilier
fondamental de l'analyse statistique, offrant une mesure
précise de la précision des prévisions et des modèles.
Son objectif clair de quantifier les écarts entre les valeurs
prévues et réelles permet aux praticiens de l'utiliser
efficacement pour évaluer la performance passée et
guider les améliorations futures.
• Son application en cours dans divers domaines souligne
son utilité persistante dans la recherche, la finance, la
météorologie et au-delà.
