C HAPITRE II

Statistiqu e
descriptive
1

Dr. Hamid chamlal

PhD LBBN-UCD
DN –ISPITSR-MS
 O B J E C T IF S
 Distinguer les types de variables ;
 Présenter de manière les données
appropriée recueillies ;
 Comprendre les principaux indicateurs de tendances
centrales, leurs calculs, leurs utilisations, leurs
interprétations et leurs limites ;
 Calculer et interpréter les diverses mesures de
dispersions.
2
 PLAN
Introduction

1. Types de variables statistiques

2. Niveaux de mesure

3. Représentations tabulaires

4. Représentations graphiques

5. Mesures statistiques

3
 1. T Y P E S D E VA R I A B L E S

Variables
qualitatives
Variables pouvant
être nommées

Nominales Ordinales Binaires

Sans ordre Avec ordre 2 modalités

Niveau
Groupe sanguin; Sexe;
d’instruction;
État civil ; Statut
Degré de 4
région
satisfaction
 1. T Y P E S D E VA R IA B L E S (S U I T E )

Variables
quantitatives
Variables pouvant
être quantifiées

Discrètes Continues
Comptées Mesurées

fratrie; la parité;
TAS; le poids; la taille
Nombre de
malades admis 5
 2. N I V E A U X D E MESURE
(ÉCHELLES)

Échelle Échelle Échelle Intervalle

nominal ordinale numériqu
e e
NOMMEES
NOMMEE dans un ordre
COMPTEES
S déterminé
Signification
sans ordre
du
Rapport
« ZERO »
déterminé

GS, Profession, Performance Parité, âge,

Couleur des , gravité glycémie,
yeux, d’une taille,
maladie températur 6
e
 E X E R C IC E
 L’AG E
 La zone d’habitation
 La Nationalité des candidats au concours de l’ENSP
 L’Etat de tabagisme
 L’obésité
 La prise de V I TA M I N E S
 Durée d’attente pour une consultation
 La Glycémie
7
 E X E R C IC E
 U n questionnaire sur la fréquence de la pratique
sportive permet de classer les individus en
⚫ (1) pratiquant quotidiennement le sport
⚫ (2) pratiquant le sport plusieurs fois par semaine
⚫ (3) une fois par semaine
⚫ (4) moins souvent
⚫ (5) jamais
⚫ (6)pratiquant le sport pendant les vacances

8
 M O D IF I C A T I O N D E T Y P E DE
VA R I A B L E
 En pratique, dans le cas des mesures, on effectue
en réalité des observations discontinues en raison
de la nécessité d'arrondir les données alors que
celles-ci sont fondamentalement continues (mise
en classe).
 Une variable qualitative Peut être décomposé
en
variables binaires
 Couleur des cheveux (brun, blond, autre)
décomposée en Brun (oui, non); Blond (oui, non);
9
Autre (oui, non)
 I M P O R TA N T

Il faut bien différencier ces types de

variables et échelles de mesures car le
choix de la représentation graphique et
du résumé des données en dépendent

10
 LA S TAT I S T I Q U E D E S C R I P T I V E

⚫ Présenter les données pour que l'on puisse en prendre

connaissance facilement
⚫ Peut concerner :
⚫ une seulevariable : statistique à une
dimension 
Statistique Univariée
⚫ deux variables à la fois : statistique à deux dimensions 
Statistique Bivariée
⚫ plus de deuxvariables
multidimensionnelle à la fois
 Statistique multivariée :
11
statistique
 PLAN
Introduction

1. Niveaux de mesure

2. Types de variables statistiques

3. Représentations tabulaires

4. Représentations graphiques

5. Mesures statistiques

12
 EXEMPLE 1
Groupe sanguin d’un échantillon de taille n=100
N° GS N° GS N° GS N° GS N° GS N° GS N° GS N° GS N° GS N° GS

1 A 11 B 21 A 31 O 41 O 51 A 61 O 71 O 81 AB 91 A

2 O 12 A 22 O 32 AB 42 A 52 AB 62 A 72 A 82 A 92 O

3 B 13 O 23 A 33 A 43 O 53 A 63 O 73 O 83 O 93 A

4 O 14 A 24 O 34 O 44 B 54 B 64 O 74 A 84 A 94 O

5 A 15 AB 25 AB 35 A 45 A 55 A 65 O 75 A 85 B 95 B

6 B 16 A 26 O 36 O 46 O 56 O 66 A 76 O 86 A 96 A

7 B 17 A 27 A 37 A 47 O 57 O 67 O 77 B 87 O 97 O

8 A 18 AB 28 AB 38 A 48 A 58 A 68 A 78 O 88 A 98 O

9 O 19 A 29 O 39 O 49 O 59 AB 69 AB 79 AB 89 O 99 O
13
10 AB 20 O 30 AB 40 AB 50 AB 60 O 70 AB 80 O 90 O 100 AB
3.1. T A B L E A U D ’E F F E C T I F S
(FRÉQUENCE A B S O LU E )

Que faut-il savoir pour une présentation meilleure?

 Nature de la variable
 Les observations varient d’un sujet à un autre
 Grouper les données par catégorie
 Distribution des fréquences absolues

GS Nombre de sujets (effectif)

A 35
B 9
O 40
AB 16
Total 100

14
 3.2. T A B L E A U D E FRÉQUE N CES
R E L AT I V E S
 La part de chaque catégorie / total
des observations

GS effectif Fréquence relative (%)

A 35 35,0%
B 9 9,0%
O 40 40,0%
AB 16 16,0ù
Total 100 100,0%

15
 E XEMPLE 2
Le tableau suivant présente les âges d’un échantillon de taille n=100

20,9 33,4 24,2 22,1 18,9 21,9 20,5 21,9 37,3 18,7

57,2 25,3 29 26,3 19,1 48,7 23,5 23,1 28,6 24,6

21,3 22,4 20 30,3 31,7 34,3 28,5 36,1 32,6 22,3

33,7 19,6 24,3 27,1 20,7 22,2 19,2 26,5 27,4 18,7

22,8 51,3 22,9 20,6 32,8 27,3 23,5 23,8 22,4 44,4

18,1 23,9 41,5 20,4 21,3 19,3 24,2 22,3 23,1 20,8

22,9 21,3 25,6 33,7 24,2 24,5 21,2 21,5 25,8 29,7

21,5 21,5 19,9 29,2 25,3 26,4 22,7 27,9 22 27

23,3 28,1 19,6 23,7 26,3 30,1 29,7 24,8 24,7 24,8
16
26
23,5 22,9 25,2 23,6 21 30,9 21,7 28,3 22,1
EXEMPLE 2: RANGEMENT DES
DONNÉES

18,1 20 21,3 22,1 22,9 23,9 25,2 27 29,2 33,7

18,7 20,4 21,3 22,2 23,1 24,2 25,3 27,1 29,7 33,7

18,7 20,5 21,5 22,3 23,1 24,2 25,3 27,3 29,7 34,3

18,9 20,6 21,5 22,3 23,3 24,2 25,6 27,4 30,1 36,1

19,1 20,7 21,5 22,4 23,5 24,3 25,8 27,9 30,3 37,3

19,2 20,8 21,7 22,4 23,5 24,5 26 28,1 30,9 41,5

19,3 20,9 21,9 22,7 23,5 24,6 26,3 28,3 31,7 44,4

19,6 21 21,9 22,8 23,6 24,7 26,3 28,5 32,6 48,7

19,6 21,2 22 22,9 23,7 24,8 26,4 28,6 32,8 51,3

17
19,9 21,3 22,1 22,9 23,8 24,8 26,5 29 33,4 57,2
 E X E M P L E 2: T A B L E A U X DE
FRÉQUENCES
Pour mieux décrire ce groupe: fréquence de
Âge (en classe )
classe (ni)
⚫ Remarquer que les 18 à moins de 20 10
observations varient de
20 à moins de 22 18
manière continue
22 à moins de 24 23
⚫ Commencer par ranger les 24 à moins de 26 14
données par ordre de 26 à moins de 28 10
grandeur croissante
28 à moins de 30 8
⚫ Grouper les données 30 à moins de 32 4
en 32 à moins de 34 5
classes (dans le cas 34 à moins de 36 1
d’une
variable numérique continue) 36 à moins de 38 2
mutuellement exclusives 38 à moins de 58 5
Total 100
⚫ Dresser un tableau de
distribution des fréquences 18
T A B L E AU D E S F R É Q U E N C E S A B S O LU ES
(SUITE)
 Ce tableau donne la distribution des fréquences
de
l’échantillon observé.
 Fréquence absolue = nombre de fois ni où on a rencontré
la valeur observée xi
 Nombre de classes pas trop petit (perte d’information) et
pas trop grand
 L’amplitude des classes sont de préférence égales
mais
pas obligatoire
19
 extrêmes
Les et peu fréquentes
premières et dernières classes peuvent être
plus étendues pour permettre de
grouper des valeurs
 TABLEAU DES FRÉQUENCES
R E L AT I V E S E T
CUMULÉES
 Le nombre total d'observations, appelé effectif de
l'échantillon, est noté N

On obtient la fréquence relative pour une classe ou
une catégorie en divisant la fréquence ni de
l’observation xi par la taille de l’échantillon N :
fréquence relative fi = ni/N.
 Les fréquences absolues ou relatives peuvent être
additionnées de proche en proche de manière à obtenir
les fréquences cumulées notées Ni et Fi
20
 T A B L E AU DES FRÉQUENCES
R E L AT I V E S ET C UM UL É ES
(S U I T E )
Exemple 2
Âge (en classe ) ni fi Fi
18 à moins de 20 10 0,1 0,1
20 à moins de 22 18 0,18 0,28
22 à moins de 24 23 0,23 0,51
24 à moins de 26 14 0,14 0,65
26 à moins de 28 10 0,10 0,75
28 à moins de 30 8 0,08 0,83
30 à moins de 32 4 0,04 0,87
32 à moins de 34 5 0,05 0,92
34 à moins de 36 1 0,01 0,93
36 à moins de 38 2 0,02 0,95
38 à moins de 58 5 0,05 1
Total 100 1 21
 I N T E R P R É TAT I O N
 23% des sujets ayant participé à cette sélection
ont un âge entre 22 et 24 ans

65% des sujets ayant participé à l’étude ont
un âge moins de 26 ans

22
 T A B L E AU DES FRÉQUENCES
A B S O LU E S ET C UM UL É ES
(S U I T E )
Exemple 1

Groupe sanguin ni fi (%) Fi (%)

A 35 35 35
B 9 9 44
O 40 40 84
AB 16 16 100
Total 100 1

23
 Exercice
On étudie les revenus (mensuels en dirhams) d’un
ensemble de familles d’un quartier de casa.

Salaires Effectifs
[6000 – 7000[ 10
[7000 – 9000[ 50
[9000 – 10 000[ 200
[10 000 – 13 000[ 20
[13 000 – 17 000[ 10
[17 000 – 30 000[ 5
Total 295

Déterminer:
•L’effectif cumulé croissant,
•La fréquence relative et la fréquence relative cumulée
croissante.
• Combien de familles ayant un revenu inférieur
à 13 000MDH.
 RÈGLES GÉNÉRALES DE
L A P R É S E N T AT IO N
TA B U L A IR E
 U n bandeau de titre pour indiquer la nature
des informations figurant dans les colonnes;
 Ce bandeau est limité par deux trais

horizontaux;
 U n trait horizontal sous la dernière ligne

 Aucun autre trait n’est utile;

 Les chiffres sont alignés par colonne;

 Pour une même var, le même nombre de décimal est

utilisé
 Les totaux s’il y a lieu doivent être donnés

 Les unités de mesures doivent être indiquées

24
 Le titre est en dessus du tableau
 3.3. R É PA R T I T I O N B I V A R IÉ E

 Dans l’objectif d’analyser le d’une

comportement variable en fonction d’une autre
 Meilleure méthode pour présenter les données

26
E X E M P L E 3: B I VA R I É E

 On voudrait évaluer l’impact des séances d’IEC faites

dans le cadre du P N S B sur la prévalence de caries à 12
ans au près de 1500 enfants

 CAO: dent absente ou cariée.

Nbre de séance effectif CAO Effectif

0 489 >1 886
1 346 ≤1 614
2 404 Total 1500 27

3 261
Total 1500
 DISTRIBUTION DES EFFECTIFS DES 2
VA R I A B L E S

Répartition de 1500 enfants à l’âge de 12 ans selon

le nombre de séance d’IEC et l’indice CAO
CAO
Nbre de séance >1 ≤1 Total

0 368 121 489

1 236 110 346
2 185 219 404
3 97 164 261
Total 886 614 1500
28

Sur le tableau
 D IST R IB U TIO N DES FRÉQUE N CES
R E L AT I V E S

Répartition de 1500 enfants à l’âge de 12 ans selon

le nombre de séance d’IEC et l’indice CAO (%)

CAO
Nbre de séance >1(%) ≤1(%) Total(%)
0 24,5 8,1 32,6
1 15,7 7,3 23,0
2 12,3 14,6 27,0
3 6,5 10,9 17,4
Total 59,1 40,9 100,0 29
 I N T E R P R É TAT I O N
 Parmi les 1500 enfants à l’âge de 12 ans inclus
dans l’étude, 10,9% sont des enfants qui ont
assisté à 3 séance d’IEC et qui ont un indice CAO
≤1.

30
 R É PA R T I T I O N CONDITIONNELLE

Répartition des enfants à l’âge de 12 ans selon le

nombre de séance d’IEC assisté pour chaque état de
santé buccodentaire

Nombre de séances
CAO Effectif 0 1 2 3 Total
>1 886 41,5% 26,6% 20,9% 10,9% 100,0%
≤1 614 19,7% 17,9% 35,7% 26,7% 100,0%
Total 1500 32,6% 23,1% 26,9% 17,4% 100,0%

31
 E XEM PLE 4

Répartition des lauréats par sexe et lieu d’affectation

Sexe Lieu de service

Administration Délégation/ Hôpital SRES Total
centrale Région
Masculin 46 75 38 21 180
Féminin 18 7 0 1 26
Total 64 82 38 22 206

33
 T A B L E AU B I VA R I É

Sortie EPI INFO

⚫ 70% des femmes lauréates de l’INAS sont affectées au niveau de

l’administration centrale.
⚫ 40% des lauréats sont en fonction actuellement au niveau des délégations 34
 PLAN
Introduction

1. Niveaux de mesure

2. Types de variables statistiques

3. Représentations tabulaires

4. Représentations graphiques

5. Mesures statistiques

34
4. R E P R É S E N TAT I O N S G R A P H IQ U E S

1) Diagramme en bâton
2) Diagramme circulaire
3) Histogramme
4) Polygone de fréquence

35
 4.1. D I A G R A M M E E N B ÂT O N S

 Pour les données quantitatives discrètes et

données qualitatives
 On trace parallèlement à l'axe des ordonnées, en regard

des xi qui sont portés en abscisse et un

segment de longueur proportionnel à ni ou fi.

Exemple 1
Groupe
ni fi (%)
sanguin
A 35 35
B 9 9
O 40 40
AB 16 16
Total 100 1
 Nombre de malade effectif
E XEMPLE 5 1 5

2 1
3 7
 Dans 224 dispensaires, on
4 25
prend note du nombre de
5 35
personnes malades visitant
6 45
chaque dispensaire pendant
7 32
24 heures.
8 28
9 16
10 12
11 3
12 1
Total 224
4.1.D I A G R A M M E E N BÂTO N S :
EXEMPLE
Nombre de dispensaires

4
5
3 5
0 32 28
2 5
4
1 5
0 16 12
3 5 7 5 3 1
0
2 1 2 3 4 5 6 7 8 9 10 11 12
0
1
Distribution
0 du nombre de malades consultés dans 224
39
dispensaires durant une journée
0
 4.2. D I A G R A M M E C I R C U L A I R E
 Pour les variables qualitatives nominales
 Angle au centre proportionnel à ni (ou fi): Mesure
de l’angle =fi x 360°
Exemple 1: AB

Groupe
sanguin
ni fi (%) A
A 35 35
B 9 9
O 40 40
AB 16 16
Total 100 1

40
O
B
 4.3. H I S T O G R A M M E

 Pour les données quantitatives continues

 Suite de rectangles ( barres verticales Contiguës)
dont la surface est proportionnelle aux fréquences
dans des intervalles de valeurs (classes)

41
E XEMPLE 2 Âge (en classe ) fi
18 à moins de 20 0,1
20 à moins de 22 0,18
22 à moins de 24 0,23
24 à moins de 26 0,14
26 à moins de 28 0,10
28 à moins de 30 0,08
30 à moins de 32 0,04
32 à moins de 34 0,05
34 à moins de 36 0,01
36 à moins de 38 0,02
38 à moins de 58 0,05

42
4.4. P O LY G O N E DES FRÉQUENCES

 Est une alternative à l’histogramme

 Ligne brisée joignant les milieux des sommets des

rectangles d’un histogramme

 La surface sous le polygone = surface de

l’histogramme

 Il se prête bien à la comparaison de distributions

42
E XEMPLE 2
Âge (en classe ) fi
18 à moins de 20 0,1
20 à moins de 22 0,18
22 à moins de 24 0,23
24 à moins de 26 0,14
26 à moins de 28 0,10
28 à moins de 30 0,08
30 à moins de 32 0,04
32 à moins de 34 0,05
34 à moins de 36 0,01
36 à moins de 38 0,02
38 à moins de 58 0,05

43
 Exemple 6
D I ST R I B U T I O N D U POIDS À LA NAISSANCE DES GARÇONS ET
D E S F I L L E S DA N S U N E M AT E R N I T É
Classe fi fi 0,45

s (Garçons) (Filles) 0,4

(Kg) 0,35
0,5-1,0 0,003 0,003 0,3

1,0-1,5 0,005 0,005 0,25

G arçons
1,5-2,0 0,010 0,012 0,2 Filles
0,15
2,0-2,5 0,04 0,051
0,1
2,5-3,0 0,153 0,216
0,05
3,0-3,5 0,374 0,413 0
0,75 1,25 1,75 2,25 2,75 3,25 3,75 4,25 4,75 5,25
3,5-4,0 0,310 0,244
4,0-4,5 0,093 0,050
4,5-5,0 0,012 0,005
44
5,0-5,5 0,001 0,001
 5. A U T R E S R E P R É S E N TAT I O N S :
B I VA R I É E
 Cas de deux variables, une et l’autre
quantitative qualitative

Répartition des 402 sujets âgés de plus de 18 ans ayant particip4é6

à l’enquête « hypertension artérielle » du 19 au 21 avril 1999 à
Casa selon leur sexe et leur âge.
 Représentation par le polygone des
fréquences cumulées

Répartition des 402 sujets âgés de plus de 18 ans ayant participé à

l’enquête « hypertension artérielle » du 19 au 21 avril 1999 à Casa
selon leur sexe et leur âge. 47
 Présentation de deux variables quantitatives

Répartition des 402 sujets âgés de plus de 18 ans ayant participé à

l’enquête « hypertension artérielle » du 19 au 21 avril 1999 à Casa
selon leur taille (en cm) et leur poids (en kg).
R E P R É S E N TAT I O N CONDITIONNELLE

aucun
4 e CAO<=1
12
5 séanc 0 CAO>1

4 e
2
10
0
1
0
Pourcentag

séanc
séances

pourcentage
8

3 e
3 0

séances 6
5 0

3 4
0
0
e

2
0
2 0
5 0 Nbre
2 d 1 séance d'IE 3
e
2 C
0 CAO>1
1 CAO≤1
Représentation de la
5 prévalence de carie par nbre
Répartition
1 du nbre de séance
de séance d’IEC assisté 49
d’IEC
0 selon la classification
CAO 5
0
 Règles générales de la présentation
graphique
 Le titre est situé sous le graphique.
 En dehors des traits représentant les axes aucun trait
n’est utile.
 Les unités de mesures des informations présentées en
abscisses et en ordonnées doivent être clairement
indiquées.
 Éviter de mettre en abscisse l’information représentant
l’identifiant des sujets de l’étude
 Éviter des fonds colorés ou hachurés
50
 Éviter les graphiques en 3 dimensions
Cas pratique
Cas pratiques type de variable Graphiques
possibles
Cas 1 En effectifs arrêtés en ????, sur 4,137 millions de
fonctionnaires, 1,830 relevaient de la fonction publique
d’Etat, 1,460 de la fonction publique territoriale, et 0,847
millions de la fonction publique hospitalière. (rapport du
conseil Economique et social / 12 déc. ????)
Cas 2 En ????, dans la fonction publique territoriale, la part des
titulaires est de 59,8% et celle des non titulaires de 40,2%
(rapport du conseil Economique et social / 12 déc. ????)
Cas3 En ????, les filières d’emploi dans la fonction publique
territoriale sont les suivantes :
- filière technique (ingénieurs, techniciens, contrôleurs de
travaux, contremaîtres, agents techniques) : 45,4%
- filière administrative : 21,9%
- filière médico-sociale : 18,8%
- filière sécurité (police municipale, sapeurs-pompiers
professionnels) : 4,2%
- filière culturelle : 4%
- filière animation : 2%
- filière sportive : 1,2%
(rapport du conseil Economique et social / 12 déc. ????)
Cas4 En ????, le taux de féminisation dans la fonction publique
territoriale est de 60%, contre 56% dans la fonction publique
d’état et 45% pour l’ensemble de la population salariée.
(rapport du conseil Economique et social / 12 déc. ????)
Cas5 Les taux de réussite à la session de juin sont les suivants
pour le bac SMS/ST2S :
2007 : 82% 2008 : 84% 2009 : 91% 2010 : 88%
(stat. LEGT KOEBERLE)
Cas6 En ????, les taux d'admission dans les IFSI de la région
sont les suivants : Rouffach 31%, Mulhouse 31%, Colmar
28%, Sélestat 21%, Strasbourg CHU 28%, St Vincent de
Paul 44%, St Dié 18%
 PLAN
Introduction

1. Niveaux de mesure

2. Types de variables statistiques

3. Représentations tabulaires

4. Représentations graphiques

5. Mesures statistiques

51
5. M E S U R E S S TAT I S T I Q U E S
1) Mesures de tendance centrale
⚫ Moyenne
⚫ Médiane
⚫ Mode
DISPERSION

2) Limites des M T C TENDANCE CENTRALE

3) Mesure de dispersion
⚫ Étendue
⚫ Quartiles
52
⚫ Variance et Ecart-type
 5.1 .M E S U R E S DE
TENDANCE CENTRALE:
M OY E N N E
 Notée X dans l’échantillon et  dans la population
 Paramètre central qui concerne bien évidemment
uniquement des variables quantitatives (discrètes ou
continues).
 Suivant la forme de présentation des observations,
différentes formules de calcul peuvent être employées :

53
 L A M OY E N N E (SUITE)
 Observations non groupées:
 Somme des observations divisé par le
nombre
d’observations
 Observations groupées :

 Chaque observation multipliée par son nombre

d’occurrences: sommation et division par l’effectif

total étudié
 Observations groupées par classe:

 Dans chaque classe, valeur centrale de classe

multipliée
division par par l’effectif
l’effectif de classe: addition 54
total étudié et
 M OY E N N E D E S O B S E R VAT I O N S N O N
GROUPÉES

Distribution du poids chez 10 enfants

Numéro Poids
1 12
2 19
somme des
3 23 valeurs
nombmes
4 19
5 19 Somme des 10
6 28 valeurs de
7 24 poids divisé par
10
8 24
9 14
Moyenne =
10 12 19,4
Total 194 55
F-Z Meski
M OY E N N E D E S O B S E R VAT I O N S G R O U P É E S

N° Poids Poids ni ni x xi
1 12 xi
2 19 12 2 24
3 23 14 1 14
4 19 19 3 57
5 19
23 1 23
6 28
24 2 48
7 24
28 1 28
8 24
Total 194
9 14
10 12
Moyenne 19,4
Total 194

n i  xi 56

effectif total
 MOY E N N E DES
O B S E R VAT I O N S G R O U P É E S
EN CLASSES
N° Poids
1 12 Classe Ci Effectif Centre Ni x Ci
2 19 ni de la
classe
3 23
Ci
4 19 10 à 14 3 12 36
5 19 15 à 19 3 17 51
6 28
20 à 24 3 22 66
7 24
25 à 29 1 27 27
8 24
Total 180
9 14 Moye 18
10 12 n
Total 194
 centre C effectif
i
total des effectifs
Ci
57
Moyenne 19,4
 E XEMPLE 6
 Nombre d’enfants observés dans 21 ménages

xi ni ni x xi 1
2
1 1 1
1
2 6 12 0

Effectifs
3 11 33 8

6
4 2 8
4
5 1 5
2
Total 21 59 1 2 3 4 5
0
Nom bre
d'enfants
59
X   2,8 58
enfants Distribution du nbre d'enfant dans 59 ménages
21
E XEM PLE 2
Classes d’âge ni ci fi Fi ci*fi
18 - 20 10 19 0,1 0,1 1,9
20 - 22 18 21 0,18 0,28 3,78
22 - 24 23 23 0,23 0,51 5,29
24 - 26 14 25 0,14 0,65 3,5
26 - 28 10 27 0,1 0,75 2,7
28 - 30 8 29 0,08 0,83 2,32
30 - 32 4 31 0,04 0,87 1,24
32 - 34 5 33 0,05 0,92 1,65
34 - 36 1 35 0,01 0,93 0,35
36 - 38 2 37 0,02 0,95 0,74
38 - 58 5 48 0,05 1 2,4
Total 100 Moyenne 25,87 59
 M OY E N N E
A VA N TA G E S INCONVENIENTS
 Simple à calculer  Sensibilité aux valeurs
extrêmes
 Linéarité :
ax  a 
 Additivité : x
 Utilisation large
x pour
y  les X  174
problèmes d’inférence
statistique
 La moyenne de
l'échantillon est le
meilleur estimateur de la
moyenne de la population. X
181cm60
 EXEMPLE
Dépenses annuelles (Dh) en médicament, en
personnel, en carburant et autres dans une formation
sanitaire
Type de dépense Dépense
Médicament 20000
Carburant 15000
Personnel 225000
Autres 13000
Total 273000

⚫ La moyenne = 27300/4 = 68250 Dh (éloignée de

ttes6)1
 MESURES DE TENDANC E
CEN TRALE: MÉDIANE
 Valeur de la variable qui sépare la série statistique
en deux groupes d'égal effectif.
E n pratique :
1) On classe les données par ordre croissant
2)La médiane est la valeur qui se trouve au milieu des
données triées

 On calcul la P O S I T I O N de la médiane:
Position(mé) = (n+1) / 2 Taille de
l’échantillo
n
62
 MESURES DE TENDANC E
CEN TRALE: MÉDIANE

c'est-à-dire que :

Si n est impair, soit n = 2 p + 1 ,

M = x(p+1)

Si n est pair, soit n = 2 p, toute valeur de l'intervalle médian

[ x(p) ; x(p+1) ].

Afin de définir M de façon unique, on choisit souvent

soit le centre de l'intervalle médian.

MÉDIANE: EXEMPLE
 Poids en K g de 11 participants:
76,84,89,64,59,69,79,90,78,67,66
Rangés: 59,64,66,67,69,76,78,79,84,89,90
Pos(mé) = (11+1)/2= 6
 Poids en K g de 10 participants:
76,84,89,64,59,69,79,90,67,66
Rangés: 59,64,66,67,69,76,79,84,89,90
(69+76)/2
= 72,5
64
Pos(mé) = (10+1)/2= 5,5
EXEMPLES Âge (en classe ) Fi
18 à moins de 20 0,1
 Exemple 2: 20 à moins de 22 0,28
22 à moins de 24 0,51
 La classe [22,24[ 24 à moins de 26 0,65
26 à moins de 28 0,75
28 à moins de 30 0,83
30 à moins de 32 0,87
32 à moins de 34 0,92
34 à moins de 36 0,93
36 à moins de 38 0,965
4

38 à moins de 58 1
E XEMPLES

 Exemple 6:
xi ni Fi

3 enfants
1 1 0,05

2 6 0,33

3 11 0,86

4 2 0,95

5 1 1 66
 Exercice:

Par exemple, la médiane de la

série de tailles ci-contre est :
M= (m)

Aurait-elle été différente si on

avait noté par erreur la plus
petite taille 0.55 m au lieu de
1.55 ?

En est-il de même pour la

moyenne ?
 Cas d'une variable continue
Médiane
Pour des données groupées en classes, la classe médiane est la classe
qui contient la médiane. On détermine la médiane par interpolation
linéaire.

La médiane est la valeur de rang (43 + 1) / 2 c’est à dire 22, celle ci se

trouve dans la classe 6‑8, la classe 6 ‑ 8 est donc la classe médiane.

Salaire horaire ni ni cumulées croissantes

2-4 5 5
4-6 8 13
6-8 12 25
8-10 10 34
10-12 8 43
Total 43
 MÉDIANE
A VA N TA G E S INCONVÉNIENTS
 Interpretation facile  La statistique
classique se base peu
 Indépendance du type sur la médiane
de distribution
 Se prête mal aux
 Peu sensibles calculs :
aux valeurs
Me(x  y )  Me(x) 
extrêmes.
Me(y )
 Linéarité :
69
Me(ax )  a 
Me(x)
 MESURES DE TENDANC E CENTRALE:
MODE
 C’est la valeur dominante: s’adapte à tout type de
variable

Dans les observations Dans les observations

non groupées: la ou les groupées: la ou les
VALEURS de fréquence CLASSES de fréquence
maximale maximale

Distribution UNIMODALE
BIMODALE 67

Valeur la plus fréquente

Valeur centrale de la classe la plus représentée (même largeur pour
toutes les classes)
• Si plusieurs valeurs de la variable ont l’effectif maximal :
distribution plurimodale
 Le mode
Cas d'une variable discrète : Le mode est facilement repérable. Sur
le tableau statistique, c'est la valeur xi pour laquelle la fréquence
est la plus élevée

Cas d'une variable continue : les données sont groupées en classes ;

deux situations se présentent: les amplitudes sont égales ou non
égales.
1/ Les amplitudes sont égales : on définit la classe modale comme
la classe correspondant à la fréquence la plus élevée et en faisant
l'hypothèse du centre de la classe, on retient comme valeur
modale le centre de la classe modale.
2/ Les amplitudes sont inégales : il faut corriger les effectifs ou les
fréquences relatives de la même manière que pour la construction
de l'histogramme. la détermination du mode se ramène alors au cas
précédent.
 L E MODE: E X E M P L ES

 Exemple1: l’ âge de l’échantillon

de 100 personnes
Groupe
[22,24[ sanguin
ni

A 35

 Exemple 2:Groupe sanguin de 100 B 9

O 40
personnes
AB 16

Total 100
Groupe O
xi ni
1 1
 Exemple 6: Nombre d’enfants 2 6
observés dans 21 ménages 3 11

3 enfants 4 2
5 1 68
 EXEMPLES
4

Effectif
1 2
2
1
0 1
8
Effectifs

6 0
4 10 à 14 15 à 19 20 à 24
2 25 à 29
0 Poids
1 2 3 4 5 Répartition de 194 enfants selon leur poids
Nom bre
d'enfants
Distribution du nombre d'enfant dans 59 ménages
 MOD
A VA N TA G E S E INCONVENIENTS
 Faible sensibilité aux  Extrême sensibilité
valeurs extrêmes aux choix des
intervalles de classe
 Si la population est très
 Ne se prête pas aux
hétérogène calculs.
([Link]. distribution
bimodale), il vaut mieux Mo(ax )  a  Mo(x)
deux modes qu'une
moyenne ou qu'une médiane Mo(x  y )  Mo(x) 
Mo(y )
 La statistique se base
peu sur le mode 70
Exercice

Calculer la myenne, la médiane et le mode de la série de tailles

ci-contre est :

si on avait noté par erreur la plus petite taille 0.55 m au lieu de

1.55 , Quelle différence ?
 Comparaison:
Forme de la
distribution

Distribution symétrique
moyenne = médiane = mode

Mo Me X X Me
Mo
Asymétrique à droite: Asymétrique à
moyenne > médiane > mode mode > médiane
gauch e :
7 1
> moyenne
5. M E S U R E S S TAT I S T I Q U E S
1) Mesures de tendance centrale
⚫ Moyenne
⚫ Médiane
⚫ Mode

2) Limites des M T C
3) Mesure de dispersion
⚫ Étendue
⚫ Quartiles
⚫ Variance et Ecart-type
77
 5.2. L I M I T E S DES MESURES DE
TC
 Exemple : Dans le service d'urgence d'un
hôpital on note à la tête de chaque heure le
nombre d'arrivées de malades ou de blessées
(l'observation a durée 12 heures).
résultats sont Les données dans
suivant: le tableau

78
2) L I M I T E S D E S M E S U R E S D E T C ( S U I T E )

Intervalle Nbre Intervalle Nbre

de temps d’arrivés de temps d’arrivés
1 5 7 5
2 2 8 17
3 4 9 11
4 8 10 1
5 0 11 2
6 12 12 5
Total 72

X = 6; Mod=5 ; Med=5 79
 L I M IT E S D E S M E S U R E S D E T C
 Le service d’urgence traite en moyenne 6 patients
par heure.
 La dispersion du nombre d’arrivées de cas urgents
est en général très grande, il se peut très bien que,
durant une certaine heure, il n’y ait qu’un seul arrivé
ou aucun et que durant l’heure suivante il y en ait 12
ou 17. c’est le cas observé dans cette exemple.
 La demande moyenne d’un service est un indice
inadéquat des ressources nécessaires à cette
prestation
80
5.2. L I M I T E S DES MESURES DE TC
(SUITE)

 Que concluez-vous?
81
 II.5. M E S U R E S S TAT I S T I Q U E S

1) Mesures de tendance centrale

⚫ Moyenne
⚫ Médiane
⚫ Mode

2) Limites des M T C
3) Mesure de dispersion
⚫ Étendue
⚫ Quartiles
⚫ Variance et Ecart-type
DISPERSION 77

TENDANCE
CENTRALE
 5.3. M E S U R E S DE DISPERSION

 A chaque paramètre de position est attribué

un paramètre de dispersion

Mod Étendue
e

Médian Quartiles
e
Moyenn Variance et Ecart-type
e 78
 MESURES D E D IS P E R S IO N :
E TENDUE

Mod Étendue
e
Avantage: C’est l’écart entre
On juge intuitivement la les valeurs extrêmes
variabilité des données
Désavantages:
Exemples: Ne considère que 2 valeurs
Exemple2: 57,2- 18,1=39,1 Extrême sensibilité aux
Exemple6: 5-1=4 choix des intervalles de 79
classe
 MESURES DE D IS P E R S IO N :
Q UA RTI L ES

Médiane Quartiles

25% Q1 Q2 Q3

 Q1: 25% des observations lui sont inférieures et 75% lui

sont supérieures
 Q2: Médiane

 Q3: 75% des observations lui sont inférieures et 25% lui

80
sont supérieures
Q UA RT I L E S : E X E M P L E S
Âge (en classe ) Fi
 Exemple 2: 18 à moins de 20 0,1
 Q1 = [20,22[ 20 à moins de 22 0,28
 Q3 = [26,28[ 22 à moins de 24 0,51
24 à moins de 26 0,65
26 à moins de 28 0,75
28 à moins de 30 0,83
30 à moins de 32 0,87
32 à moins de 34 0,92
34 à moins de 36 0,93
36 à moins de 38 0,95
38 à moins de 58 1

81
 Q U A R T IL E S :
EXEMPLES
 Exemple 6:
 Q1 = 2
xi ni Fi
 Q3 = 3

1 1 0,05
2 6 0,33
3 11 0,86
4 2 0,95
5 1 1 82
 Q UA RT I L ES
A VA N TA G E S LIMITES
 Peu sensibles  Il faut calculer 2
aux valeurs valeurs
extrêmes.
 Se prête mal aux
 E c h elle : calculs :
Q(ax )  a  Q(x)
 Est la mesure la plus Q(x  y )  Q(x) 
appropriée pour des Q(y )
distributions fortement  Extrapolation
dissymétriques difficile de
l'échantillon à la
population 83
L ’É T E N D U E IN T E R Q UA R T IL E
Q=Q3- Q1
 donne une idée de l'asymétrie
 Q est bien une mesure de dispersion, puisque plus les
observations sont concentrées, plus Q 1 et Q 3 sont
rapprochés et donc plus Q est petit
 Q est plus utilisé dans les cas de données groupées.
 Est la mesure la plus appropriée pour des
distributions fortement dissymétriques
 Moins utilisé
 MESURES DE D IS P E R S IO N :
E C A R T -T Y P E

Moyenn Variance et Ecart-type

e
Mesurer l’écart de
chaque valeur de la
Mais la moyenne des distribution à la moyenne
écarts est égale à ZERO

On met les écarts AU CARRE

VARIANCE = somme des carrés des écarts / N

L’ECART-TYPE ou Déviation standard 85

= racine carré de la VARIANCE

V A R I A N C E E T É C A RT - T Y P E
N

2  i1
 i
( X -  ) 2

N
N N
2
x  Nx
2
i

i1

  2 91
 V A R IA N C E E T É C A R T -T Y P E :
EXEMPLES
 Exemple 6: Xi ni (Xi-X)² ni *(Xi-X)²
X =2,8 1 1 3.27 3.27
² = 0,73 et 2 6 0.66 3.93

= 0,85 3 11 0.04 0.40

4 2 1.42 2.83
Exemple 2: 5 1 4.80 4.80
Total 21 15.24
X = 25,85
Varianc 0.73
² = 46,01
e
 = 6,78 Ecart-
type 0.85 92