Coursstat 131127033159 Phpapp01

Statistique descriptive une dimension
PREMIERE PARTIE
STATISTQUE
DESCRIPTIVE A UNE
DIMENSION
M.ACHRIT
Page 1
SOMMAIRE
1. Introduction :
Objet de la statistique
Termes statistiques de base
2. Distributions statistiques :
2.1.
Les sries
statistiques
2.2.
Le caractre
qualitatif et le caractre quantitatif discret

2.3.
Le caractre
quantitatif continu
3. Reprsentations graphiques :
3.1.
Reprsentation
dun caractre qualitatif

3.2.
Reprsentation
dun caractre quantitatif discret

3.3.
Reprsentation
dun caractre quantitatif continu
4. Paramtre :
4.1.
Introduction
4.2.
Paramtres de
position
M.ACHRIT
Page 2
4.3.
Paramtres de
dispersion
5. Exercices dapplication
INTRODUCTION
Objet de la statistique descriptive :
La statistique descriptive a pour but de rsumer et de prsenter les
donnes observes dune manire telle que lon puisse en prendre
connaissance facilement, par exemple sous forme de tableaux et de
graphiques.
Terminologie
1. Statistique :
La statistique est une mthode scientifique dont lobjet est de recueillir, dorganiser, de
rsumer et danalyser les donnes dune enqute, dune tude ou dune exprience, aussi bien
que de tirer les conclusions logiques et de prendre les dcisions qui simposent partir des
analyses effectues.
2. Population :
Ensemble d'individus dfinis par une proprit commune donne.
Exemple : si lon veut tudier la taille des plantes par zone dans une ville, la population
considre est lensemble de toutes les plantes de la ville.
3. chantillon :
Sous-ensemble de la population.
Exemple : pour tablir la taille des plantes dune ville donne, on peut
Prlever au hasard un certain nombre de plante - un chantillon- dans un quartier parmi celles
qui existe dans la ville.
4. Individu ou unit statistique :
Chaque lment de la population ou de lchantillon.
Exemple : dans lexemple prcdant, chaque plante constitue un individu ou une unit
Statistique.
M.ACHRIT
Page 3

5. La taille :
Reprsente le nombre dindividus dun chantillon ou dune population. Elle est symbolise
par n dans le cas dun chantillon et par N dans le cas dune population.
6. Le caractre :
Cest laspect particulier que lon dsire tudier pour une variable statistique.il peut tre soit
qualitatif ou bien quantitatif.
Exemple : concernant un groupe de personnes, on peut sintresser leur ge, leur sexe, leur
taille
7. Les modalits :
Les diffrentes manires dtre que peut prsenter un caractre.
Exemple 1 : le sexe est un caractre qui prsente deux modalits :
Fminin ou masculin
Exemple 2 : quant au nombre denfants par famille, les modalits de ce caractre peuvent tre
0, 1, 2, 3,20.
8. Caractre qualitatif :
Ses modalits ne sexpriment pas par un nombre mais par des mots.
Exemple : la religion, la couleur, la situation patrimoniale
9. Caractre quantitatif :
Ses modalits sont numriques.
Exemple : lge, la taille, le poids
10. Caractre quantitatif discret
Lensemble des valeurs que peut prendre le caractre est fini ou dnombrable. Le plus
Souvent, ces valeurs sont des nombres entiers positifs.
Exemple : le nombre denfant dans une famille, le nombre de tlviseurs par foyer.
11. Caractre quantitatif continu :
Le caractre peut prendre thoriquement nimporte quelle valeur dans un intervalle donn de
nombres rels.
Exemple : la taille dun individu, le poids
12. Srie statistique :
Lensemble des diffrentes donnes associes un certain nombre dindividus.
Exemple : la srie suivante rsulte dune courte enqute auprs de quelques personnes pour
connatre leur ge :
18 21 19 19 17 22 27 18 18 17 20 20 23
La statistique descriptive peut faire lobjet dune variable, et on
parlera de statistique descriptive une variable ou une
dimension. Elle peut concerner deux variables, on parle alors de
statistique descriptive deux variables ou deux dimensions.
STATISTIQUE DESCRIPTIVE UNE DIMENSION

Le but de simplification de la statistique descriptive peut tre atteint en
condensant les observations sous trois formes distinctes :
Les tableaux statistiques : Permettent de prsenter les
donnes sous la forme numrique de distributions de
frquences.
Les diagrammes : Permettent de reprsenter graphiquement
ces distributions.
Les paramtres : Les donnes peuvent tre condenses sous
forme de quelques paramtres statistiques.
1. DISTRIBUTIONS STATISTIQUES:
M.ACHRIT
Page 4
1.1.
Les sries de
statistiques :
Une srie statistique est une simple numration des observations :
X1, X2, X 3,, Xi, , Xn

Ces observations tant ranges par ordre croissant :
X1 X2 X3 ......... Xi Xn
*Effectif : n est le nombre total dobservations.
*tendue : La diffrence entre la valeur la plus grande et la valeur la plus
petite est appele tendue.
Exemple : Soit la srie statistique suivante des poids (en Kg) de 12 paquets.
20,4 ; 25,4 ; 25,6 ; 26,6 ; 28,6 ; 28,7 ; 28,7 ; 29 ; 29,8 ; 30,5 ; 31,1 ;
31,2
Les caractristiques de la srie :
Unit de base : Un paquet
Population : 12 paquets
Caractre : Le poids
Sa nature : Un caractre quantitatif continu.
Effectif : n = 12
2.2.Les distributions non groupes en classe :
Lorsque les observations sont nombreuses, il est ncessaire de les

condenser sous forme dun tableau statistique appel distribution de
frquences.
.2.1.
le caractre qualitatif :
Modalit
s
Frquences
absolues ni
Frquences
relatives f
C1
n1
f1
C2
n2
f2
M.ACHRIT
Page 5

.
Ci
ni
fi
Ck
nk
fk
Total
.
.
n1 est le nombre de fois quon a observ la modalit C1

ni est dite frquence absolue de la modalit Ci
n = n1 + n2 + . + ni + . + nk
f i=
ni
est dite frquence relative de la modalit C i
n
f i = f + f 2+ + f i+ f K =
1
n 1 n2
n n
+ ++ i + k
n n
n n
i=1
f i=
k
n1+ n2 ++ni + +nk n

=
n
n
i=1
f i = 1
k
i=1
Exemple :
On a observ dans un jardin la couleur de 100 roses.
Population : 100 roses
Effectif
: n=100
Caractre
: La couleur
Sa nature
: Cest un caractre qualitatif
Ses modalits : Jaune, blanche, rouge k=3
M.ACHRIT
Page 6

Modali
t
Frquence
absolue (ni )
Frquence
relative (fi)
Jaune
29
0,29
Blanch
e
38
0,38
33
0,33
100
Rouge
Total
.2.3.
le caractre quantitatif discret :
Caract
re
Frque
nce
absolue
Frquence
cumule
croissante
Frquenc
e
cumule
dcroiss
ante
Frque
nce
relative
Xi
ni
F.c.c
F.c.d
Fi
X1
n1
n1
F1
X2
n2
n1 + n2
F2
nk +. +
n2
Xi
ni
Xk
nk
.
n1 + n2 + .
+ni
.
.
n
.
.
Fi
nk + .
+ni
Fk
nk
TOTAL
Exemple : Distribution du nombre de pices pour 750

appartements
M.ACHRIT
Page 7
Population : 750 appartements

Caractre : nombre de pices
Sa nature : cest un caractre quantitatif discontinu
Nombr
e de
pices
Xi
Nombre
dapparteme
nts ni
Frquence
cumule
croissante
Frquence
cumule
dcroissant
e
Frquence
relative
90
90
750
0,12
110
200
660
0,15
240
440
550
0,32
210
650
310
0,28
70
720
100
0,09
30
750
30
0,04
Total
750
Le tableau peut se lire comme suit :

-Le nombre dappartements comportant une seule pice est 90
-La colonne des frquences absolues cumules croissantes : permet
de rpondre aux questions du genre : quel est le nombre
dappartements ayant au plus 1 pice,2 pices.etc
-La colonne des frquences absolues cumules dcroissantes :
permet de rpondre aux questions du genre : quel est le nombre
dappartements ayant au moins 1 pice, 2pice.etc
Remarque : De la mme manire que pour les frquences absolues
on peut calculer les frquences relatives cumules croissantes et les
frquences relatives cumules dcroissantes.
M.ACHRIT
Page 8
.2.3.
Le caractre quantitatif continu :
Quand le nombre des valeurs observes (Xi) est lev, il est

ncessaire de condenser encore les tableaux statistiques, en
groupant les observations en classes, on obtient ainsi une
distribution de frquence groupe. Cest gnralement le cas des
variables quantitatives continues.
Chaque classe [a b] est caractrise par :
une borne infrieure a , une borne suprieure b
une amplitude qui est lcart entre les deux bornes

amplitude (ai ) = b-a
un point central correspondant au milieu de cette classe et

sobtient en ajoutant la borne infrieure et suprieure de la
classe et en divisant par deux.
Ci= (a+b)/2
Exemple : Rpartition de 300 salaries dune entreprise selon lge

Population : 3000 entreprises
Caractre : lge
Sa nature : Cest un caractre quantitatif continu.
ges
Nombre de salaries
(ni)
[20 25[
172
[25 30[
61
[30 35[
39
[35 40[
11
[40 45[
17
Total
300
Lecture du tableau :
-Le nombre de salaries ayant leur ge infrieur 25 est 172.
-La premire classe a comme borne infrieure 20 et comme borne
M.ACHRIT
Page 9
suprieure 25.
-Lamplitude de la premire classe est 5.
De la mme manire que pour les distributions non groupes

( caractre qualitatif et caractre quantitatif discret), on peut
calculer les frquences absolues cumules croissantes, les
frquences absolues cumules dcroissantes, les frquences
relatives, les frquences relatives cumules croissantes et les
frquences relatives cumules dcroissantes :
ges
Frquen
ces
absolue
s
Frquen
ces
absolue
s
cumule
s
croissan
tes
Frquenc
es
absolues
cumules
dcroissa
ntes
Frquen
ces
relative
s
Frquen
ces
relative
s
cumule
s
croissan
tes
Frquenc
es
relatives
cumule
s
dcroiss
antes
Amplitu
des
Point
centr
al
Xi
Ni
Ni cc
Ni cd
Fi
Fi cc
Fi cd
Ai
Ci
[20
25[
172
172
300
0,57
0,57
22,5
61
233
128
0,20
0,77
0,43
27,5
39
272
67
0,13
0,90
0,23
32,5
11
283
28
0,04
0,94
0,10
37,5
17
300
17
0,06
0,06
42,5
300
[25
30[
[30
35[
[35
40[
[40
45[
Total
M.ACHRIT
Page 10
LES REPRSENTATIONS GRAPHIQUES :
Bien quun tableau statistique renferme toute linformation

rassemble, il est trs utile de le traduire par un graphique. La
reprsentation graphique dune distribution statistique permet de
visualiser et de dceler ses principales caractristiques.
Suivant la nature du caractre tudi on utilise diffrents modes de
reprsentations graphiques.
.1. Reprsentation du caractre qualitatif :
Il existe deux modes de reprsentation dune distribution
caractre qualitatif : diagramme en barres ou en tuyaux
dorgue et le diagramme circulaire
3.1.1. Diagramme en Tuyaux dorgue :
Ce diagramme consiste reprsenter chaque modalit du caractre
qualitatif par un rectangle dont la hauteur est proportionnelle
leffectif correspondant et dont la base est constante.
Exemple : un agriculteur a compt lensemble de ses animaux
selon leur espce.
Espce
M.ACHRIT
Effectif
Page 11
Bovins
Ovins
Caprins
Total
3346
13515
5335
22196
Reprsentation graphique :
16000
13515
14000
12000
10000
Espce
8000
Effectif
5335
6000
4000
3346
2000
0
Especes danimaux
3.1.2. Diagramme circulaire (graphique secteurs) :

Dans le diagramme circulaire chaque modalit est reprsente
par un secteur dont langle est proportionnel leffectif
correspondant. La totalit de la circonfrence correspond
leffectif total.
Exemple : le mme tableau des espces danimaux peut se
prsent graphiquement par un diagramme circulaire
M.ACHRIT
Page 12
Espce
Bovins
Ovins
Caprins
Total
Effectif
3346
13515
5335
22196
Mthode de calcul des degrs de chaque angle (ou secteur) du cercle :

Effectif total
: 221961 correspond 360
Effectif bovins : 3346 Correspond langle a1
a1=
3346 360
=54,3
22196
Effectif ovins : 13515 Correspond a2
a2=
13515 360
=219,2
22196
Effectif caprins : 5335 correspond a3
a3 =
5335 360
=86,5
22196
Espece d'animaux
Caprins
Bovins
Ovins
Diagramme circulaire
3.2. Reprsentation dune variable discrte :

3.2.1. Diagramme en btons :
Le diagramme en btons consiste reprsenter chaque valeur de la
variable statistique par un bton dont la hauteur est proportionnelle
leffectif correspondant.
M.ACHRIT
Page 13
Exemple :
Pour un ensemble de 147 mnages, le nombre denfants se rpartit
comme suit :
Nombre
Denfant
s(Xi)
0
1
2
3
4
5
6
7
8
Total
Nombre
de
Mnages
(ni)
15
20
22
10
31
28
12
4
5
147
ni
cumule
croissan
te
15
35
57
67
98
126
138
142
147
ni
cumule
dcroissa
nte
147
132
112
90
80
49
21
9
5
Nombre d'enfants par mnages

35
30
25
20
ni nombre de mnages
15
10
5
0
0
xi nombre d'enfant
Diagramme en btons
3.2.2. Polygone de frquences
Les polygones de frquences sont construits en joignant par une
ligne les sommets des btons du diagramme en btons.
M.ACHRIT
Page 14
Nombre d'enfant par mnage

35
30
25
20
15
10
5
0
0
Polygone de frquences
3.2.3. Histogramme et Polygone de frquences :
Le polygone de frquences cumules est construit en escalier. On
dessine des segments de droites de longueurs proportionnelles aux
frquences cumules mais dcalant progressivement vers le haut ensuite
on joint les btons par des segments horizontaux.
160
140
120
100
nombre de mnages (ni cc)
80
60
40
20
0
Nombre d'enfants (xi)
Polygone de frquences cumules
3.3. Reprsentation dun caractre quantitatif continu :

Pour reprsenter une variable continue on utilise le plus souvent ce
quon appelle Histogramme.
M.ACHRIT
Page 15

Les histogrammes se composent de rectangles dont les amplitudes
des classes sont les bases et les frquences sont les hauteurs, de telle
sorte que la surface du rectangle soit proportionnelle leffectif
correspondant.
Exemple : Considrons la distribution des salaires horaires dun groupe
de 91 ouvriers :
Salaires
horaires Xi
(en 10 DRH)
[1 2[
[2 3[
[3 4[
[4 5[
[5 6[
[6 7[
[7 8[
TOTAL
Effect
if (ni)
7
13
22
28
14
5
2
91
Salaires horaires de 91 ouvriers

30
25
20
effectif ni 15
10
5
0
[1-2[
[2-3[
[3-4[
[4-5[
[5-6[
[6-7[
salaires horaires en 10 dh
M.ACHRIT
Page 16
[7-8[
4.LES PARAMTRES :
4.1. Introduction :
Les paramtres permettent de caractriser de faon simple les sries
statistiques et les distributions observes.
Les paramtres les plus utiliss sont :
Les paramtres de position
Les paramtres de dispersion
4.2. Paramtres de tendance centrale :

Appels valeurs de tendance central. Les principaux paramtres de
position sont :
La moyenne arithmtique,
La moyenne gomtrique,
La moyenne harmonique,
La moyenne quadratique,
La mdiane,
La mdiale et
Le mode.
Ces paramtres statistiques doivent satisfaire plusieurs conditions
dfinies par le statisticien YULE
4.2.1. Moyenne arithmtique :

* Dfnition : La moyenne arithmtique, quon appelle tout simplement
moyenne, est gale la somme des valeurs observes divise par le
nombre dobservations.
*Interprtation : Le caractre moyen est gale
*Cas dune srie statistique :
Soit srie suivante :
X1, X2, X3, . , X1, .. , Xn
n
x =
1
x
n i=1 i
* Cas dun caractre discret :

k
x =
1
n x
n i=1 i i
K est le nombre de valeurs distinctes que peut prendre la variable xi et

de la valeur absolue ni.
*Moyenne dun caractre continu :
n
1
x = n i c i
n i=1
M.ACHRIT
Page 17
Ci est le point central des classes.
4.3.2. Moyenne arithmtique pondre :

Il sagit de la moyenne dune srie dobservation affectes
chacune dun certain coefficient appel coefficient de pondration :
i
n
i x i
x = i=1n
i
i=1
Exemple :
i
Prix
: est le poids affect lobervation i.

xi
Poids
en dh
i xi
en kg
10
1
10
4
1
4
14
1
14
Total
3
28
1 kg de pomme cote 10 Dhs
1 kg dorange cote 4 Dhs
1 kg de bananes cote 14 Dhs
n
i xi
28
=9,33 Dhs
n
3
Gardons les mmes prix mais pour des poids diffrents :
'
Prix moyend 1 kg= i=1
Prix
xi
Poids
en dh
i xi
en kg
10
2
20
4
4
16
14
3
42
Total
9
78
2 kg de pommes cotent 10 Dhs
4 kg doranges cotent 4 Dhs
3 kg de bananes cotent 14 Dhs
n
'
Prix moyend 1 kg=
i xi
i=1
78
=8,67 Dhs
9
4.3.3. Moyenne gomtrique :

M.ACHRIT
Page 18
La moyenne gomtrique, note

observations positives.
x g
est calcule pour des
*Cas dune srie statistique :

x 1 , x 2 . x n 1 /n
ou
x g=
x g= n x 1 , x 2 . x n
*Cas dun caractre quantitatif discret :
n
x g= x n1 x n2 xnk
1
Cas dun caractre quantitatif continu :

La moyenne gomtrique et aussi gale lexponentielle de la
moyenne arithmtique des logarithmes nprien.
k
x g=exp 1/n ni ln x i
i=1
4.3.4. Moyenne quadratique et harmonique :

Moyenne quadratique
La moyenne quadratique et la moyenne dordre 2 :
x q= [ 1 ni x 2i ]
n i=1
La moyenne quadratique, cest la racine carre de la moyenne
arithmtique des carrs.
Moyenne harmonique :
La moyenne harmonique est la moyenne dordre -1 :
x h=
n
k
xi
i=1
La moyenne harmonique, cest aussi linverse de la moyenne

arithmtique des inverses.
On montre que la moyenne harmonique est infrieure ou
gale la moyenne gomtrique qui est infrieure ou gale la
moyenne arithmtique qui est infrieure ou gale la moyenne
quadratique.
x h x g x x q
M.ACHRIT
Page 19
Exemple : Salaires horaires de 91 employs.

Salaire
horair
e (en
10dh)
1-2
2-3
3-4
4-5
5-6
6-7
7-8
Total
ni c i=
ni
Ci
ni ci
ni ln ci
ni Ci2
ni/ci
7
13
22
28
14
5
2
91
1,5
2,5
3,5
4,5
5,5
6,5
7,5
10,5
32,5
77,0
126,0
77,0
32,5
15,0
370,5
2,838
11,912
27,561
42,114
23,866
9,359
4,030
121,68
15,75
81,25
269,50
567,00
423,50
211,25
112,50
1680,7
5
4,667
5,200
6,286
6,222
2,545
0,769
0,267
25,956
370,5
x =4,07
91
7
1
x =
n i=1
7
x g=exp(1/ n ni ln x i)
i=1
x g=exp
x =3,81
( 121,68
91 )
g
1
n i x 2i
n
1680
x q=
x q=4,30
91
n
91
x h= 7
=
x h=3,51
n i 25,956
c
i=1 i
x h x g x x q
x q=
4.3.5. Mode :
a- Cas dune srie statistique :
M.ACHRIT
Page 20
Le mode dune srie statistique est le nombre que lon

rencontre le plus frquemment. Le mode peut ne pas exister et sil
exister, il peut ne pas tre unique.
Exemple :
Srie 1 :
2 2 5 7 9 9 9 10 10 11 12
le mode
est 9
Srie 2 :
3 5 8 10 12 15 16
na pas
de mode
Srie 3 : 2 3 4 4 4 5 5
7 7 7
9
a deux
modes 4 et 7
b- Cas dun caractre quantitatif discret :
Le mode correspond ni le plus grand et au maximum du
diagramme en bton.
Exemple :
Nombre
denfant
0
1
2
3
4
5
Total
Effectif
12
16
14
25
13
10
90
Le mode de cette distribution du nombre denfant est Mo=

3 : C'est dire, la plupart des familles ont 3 enfants.
c- Cas du caractre quantitatif continu :
Le mode correspond ni le plus grand qui correspond la classe
modale
On peut dterminer la valeur du mode laide de la formule de
calcul suivante :
Mode = B0 +
( N iN i1)
a
( N iN i1 ) +( N iN i+1)
Tel que :
B0 : borne inferieur de la classe modale
A : amplitude de la classe modale
Ni : leffectif le plus grand
M.ACHRIT
Page 21
Exemple :
Salaire horaire
[20 40[
[40 60[
Mo [60 80[
[80 100[
[100 120[
Total
Effectif
5
8 Ni-1
12 Ni
10 Ni+1
8
43
La classe modale de cette distribution des salaires horaires est la

classe [60 80[.
Donc : Mode = 60 +
Mode = 60+
(128)
20
( 128 ) +(1210)
420
6
Mode=73,34 dh
4.3.6. Mdiane :
Dfinition : La mdiane dune variable statistique est la valeur
pour laquelle la moiti des observations lui sont infrieures ou
gales et la moiti suprieure ou gales.
Interprtation : Il y a autant de caractre inferieur la Me que de
caractre suprieur Me.
*Cas dune statistique :
Pour une srie de valeurs ranges par ordre croissant :
X1, X2, X3, . , XI, ., XN
Si n est impair, le rang de la mdiane est : Rang = (n+1)/2, donc :
Me = X (n+1)/2
Si n est pair, le rang de la mdiane est : Rang = n/2, donc :
Me=
X n/2+ X (n+1)/2
2
Exemple :
M.ACHRIT
Soit la srie :
Page 22
10
11
12
18
n = 5 (impair)
Me = X (5+1)/2=X3= 11
Soit la srie :
8 10
11
12
14
18
1
11+12
n=6 ( pair ) Me= ( X 3 + X 4 )=
=11,5
2
2
*Cas dun caractre quantitatif discret :

Si le Rang Me = 50% voir Ficc Me
Si le Rang Me proche de 50% voir Ficc Interpolation linaire Me

Exemple :
Soit la valeur des exportations des entreprises dune rgion au
Maroc :
Exportations
ni
f
Fi cumules croissantes
En 1000 dh
[50 100[
7
0,06
0,06
[100 150[
13
0,12
0,18
[150 200[
46
0,41
0,59
[200 250[
14
0,12
0,71
[250 300[
30
0,29
1
Total
110
1
Rang Me proche de 0,50 Par interpolation linaire :
150
Me
200
0,18
0,5
0,59
Me150 200150
=
0,50,18 0,590,18
Me150=
50 0,32
0,41
Me = 189,02 (en 1000Dh)

*Cas dun caractre quantitatif continu :
Pour des donnes en classe, la classe mdiane est la classe
qui contient la mdiane. On dtermine par interpolation linaire.
Salaire
horaire
En 10 dh
M.ACHRIT
ni
ni cumules
croissantes
Page 23
[2 4[
[4 6[
Me [6 8[
[8 10[
[10 12[
Total
5
8
5
13 ncc-1
25 ncc
34 ncc+1
12 nc
10
8
43
43
Mthode de calcul :
n+1
43+1
=22
=
2
2
13<Rang Me=22<25 Me se trouve dans la classe
n=43 n est impair Rang de la mdiane =
mdiane [6-8[.
La Me se trouve dans la classe mdiane [6-8], pour dterminer sa

valeur exacte on utilise deux mthodes, lInterpolation linaire ou la
formule de calcul:
Mthode 1 : Par interpolation linaire :
6
Me 8
13
22
25
Me6
86
=
2213 2513
Me6=
29
12
Me = 7,5 Dh
Interprtation : Il y a autant de salaires infrieurs 7,5 Dhs que
de salaires suprieurs 7,5 Dhs.
Mthode 2 : la formule :
Dans le cas dune variable groupe en classes, on peut calculer la
mdiane par la formule suivante (si n est impair) sinon on met n/2
n+1
ai (
N
CC1 )
2
Me=B 0+
nC
2(4313)
2(2213)
Me=6+
=6+
12
12
Me= 6+
M.ACHRIT
Page 24
2 9
Me=7,5 dh
12
B0=6 : Borne infrieure de la classe mdiane

ai =2 : Amplitude de la classe mdiane
n =43 : Nombre total des observations
N CC1 =13: Frquence absolue cumule croissante de la classe

infrieure la classe mdiane
Nc=12 : Frquence absolue de la classe mdiane
4.3.7. Mdiale :
Dfinition : La mdiane est une valeur telle que la somme des
observations qui lui sont infrieures est gale la somme des
observations qui lui sont suprieures.
La mdiale partage la masse total ni xi en deux parties gale :
ni x i
2
Interprtation : La moiti de la somme totale du caractre est
distribue sous forme de caractre infrieur Ml.
Cas dun caractre quantitatif discret et continu :
ni x i
NIXI CC Classe mdiale par
2
interpolation linaireMl
Dans le cas du caractre quantitatif continu : on remplace Xi par Ci
Exemple :
RangMl =
Salaire
NI CI
CI NI NI
horaire
cumules
CI
RangMl =
en 10
croissantes
dh
[2 4[
3
5
15
15
[4 6[
5
8
40
55
[6 8[
7
12 84
139
[8 10[ 9
10 90
229
[10 12[ 11 8
88
317
Total
43 317
N i C i 317
=
=158,5 NIXI CC : 139<158,5<229 mdiale [8 -10[
2
2
Par interpolation linaire :
La mdiale est la valeur pour laquelle la somme des observations
qui lui sont infrieures est gale 158,5. Elle se trouve dans la
classe mdiale [8 10[.
M.ACHRIT
Page 25
8
139
Ml
158,5
10
229
108
Ml8
=
229139 158,5139
158,5139
2
Ml8=
Me = 8 ,43 en 10Dhs
Interprtation :La moiti de la somme totale des salaires est
distribue sous forme de salaires infrieurs 84,3 Dhs.
Remarque : Parmi les diffrents paramtres de tendance
centrale, la moyenne arithmtique est le paramtre qui rpond le
mieux aux conditions de YULE, cest le paramtre statistique le plus
utilis.
4.4. Les paramtres de dispersion :
Ces paramtres permettent de chiffrer la variabilit (les carts de x i
par rapport la moyenne). Les principaux paramtres de dispersion sont :
La variance,
Lcart-type,
Le coefficient de variation,
Lcart moyen absolu,
Lcart interdcile,
Lcart interquartile,
Ltendue,
Le coefficient de concentration.
4.4.1. Variance et Ecart-type :

Dfnition : La variance est la moyenne arithmtique des carts
des observations par rapport leur moyenne.
x ix
ni
k
1
V (x)=
n i=1
Lcart type est la racine carre de la variance.
( x )= V (x)
M.ACHRIT
Page 26
Formule dveloppe de la variance :

x ix
ni
1
V (x)=
n
x 2i 2
ni ( x i x + x 2)
1
V (x)=
n
2
V (x)=
x
1
2 x
ni x 2i ni x i+
n
n
n
ni
2
2
2
ni xi 2 x + x
1
V (x)=
n
ni xi 2 x + x
1
V (x)=
n
ni xi2 x2
1
V (x)=
n
La variance est gale la diffrence entre la moyenne des

carrs et le carr de la moyenne.
Interprtation : Lcart type na pas un sens trs concret. Il
ne prend de signification que pour comparer deux distributions.
Si par exemple dans une entreprise, la distribution des salaires
des fonctionnaires a pour cart-type 400Dhs alors que la distribution
des salaires des ouvriers a pour cart-type 200 Dhs. On dira que les
salaires des fonctionnaires sont deux fois plus disperss que les
salaires des ouvriers.
4.4.2. Coefficient de variation :
Le coefficient de variation est le rapport de cart-type par
rapport la moyenne.
M.ACHRIT
Page 27
( x)
100
x
Le coefficient de variation est le plus souvent exprim sous la
forme dun pourcentage. Le coefficient de variation est indpendant
des units choisies, il est utile pour comparer des distributions qui
ont des units diffrentes.
CV =
Exemple :
Entreprise 1 :
Salaire
horaire
en 10 dh
[1 3[
[3 5[
[5 7[
[7 9[
[9 - 11[
ni
xi
ni xi
ni xi2
20
18
20
14
15
2
4
6
8
10
40
72
120
112
150
80
288
720
896
1500
Total
87
494
3484
Entreprise 2 :
Salaire
horaire
En 10 dh
[3 5[
[5 7[
[7 9[
TOTAL
ni
xi
ni xi
ni xi2
33
35
19
87
4
6
8
132
210
152
494
528
1260
1216
3004
Constatation :
-Les 2 entreprises ont la mme masse salariale horaire totale qui
est de 494 Dhs.
- Les deux entreprises ont Le mme nombre douvriers 87, donc le
salaire moyen est le mme.
Si cette valeur centrale qui est la moyenne donne la mme
grandeur concernant le salaire pour les deux entreprises, on peut
constater que les salaires ne sont pas distribus de la mme
M.ACHRIT
Page 28
manire. Les paramtres de dispersion rsument la manire dont

sont distribus les caractres.
Entreprise 1 :
1
494
x = n i x i=
=5,68
n
87
5,68
3484
V (x)=
87
( x )= 7,8=2,79
CV 1=
2,79
100=49
5,68
Entreprise 2 :
1
494
n x=
=5,68
n i i 87
5,68
3004
V (x)=
87
( x )= 2,28=1,51
1,51
CV 2=
100=27
5,68
Les salaires sont plus disperss dans lentreprise 1 que dans
lentreprise
x =
4.4.3. Lcart absolu moyen :

Dfinition : Lcart absolu moyen est la moyenne des valeurs
absolues des carts par rapport la moyenne.
Interprtation : En moyenne, les valeurs Xi scartent de
la moyenne de EAM
Cas dune srie statistique :
EAM=
M.ACHRIT
1
|x x|
n i
Cas dune distribution de frquences :

Page 29
1
n |x x|
n i=1 i i
Exemple :
Trouver lcart absolu moyen des nombres suivants :
2 3
6
8
11
EAM=
2+ 3+6+8+11
=6
5
|26|+|36|+|66|+|86|+|116|
E AM =
=2,8
5
x =
En moyenne, ces valeurs scartent de la moyenne de 2,8

4.4.4. Quartiles et Dciles :
a. Les quartiles q1, q2 et q3 :
Dfinition :
q1 : est la valeur de la variable telle que un quart des observations
lui sont infrieures ou gales et trois quarts des observations lui
sont suprieures ou gale.
q2 : est la valeur de la variable telle que deux quarts des

observations lui sont infrieures ou gales et deux quarts des
observations lui sont suprieures ou gale. Cest aussi gal la
mdiane.
q3 : est la valeur de la variable telle que trois quarts des

observations lui sont infrieures ou gales et un quart des
observations lui sont suprieures ou gales.
25%
25%
25%
25%
Effectif
q1
q2
q3
50%
75%
b. Ecart interquartile :
Ecart interquartile = q3 q1
Lintervalle interquartile [q1, q3] contient 50% des observations qui
se situent au centre de la distribution en laissant 25% des
observations droite et 25% gauche.
Effectif
25%
50%
25%
M.ACHRIT
Page 30
q1
q3
Pour la dtermination des quartiles et des dciles on utilise la

mme mthode de calcul que pour la mdiane.
c. Les dciles :
En procdant comme pour la mdiane et les quartiles, il est
possible de dfinir et de calculer les dciles d1 d9 par
interpolation linaire.
d1 : est la valeur de la variable telle quun 1/10 des observations lui
sont infrieures ou gales et 9/10 des observations lui sont
suprieures ou gales.
di : est la valeur de la variable telle que i /10 des observations lui
sont infrieures ou gales et (10 - i)/10 des observations lui sont
suprieures ou gales.
Effect
if
10
%
10%
d1
10%
d2
10%
d3
10%
10%
d4
10%
d5
10%
d6
10%
d7
10%
d8
d9
d. Ecart interdecile :
Ecart interquartile = d9 d1
Lintervalle interquartile [d1, d9] contient 80% des observations
qui se situent au centre de la distribution en laissant 10% des
observations droite et 10% gauche.
Pour la dtermination des quartiles et des dciles on utilise
la mme mthode de calcul que pour la mdiane.
4.4.5. Ltendue :
Ltendue est lcart entre la valeur maximale et la valeur minimale
de la variable statistique.
E =Xmax - Xmin
4.4.6. Lindice de concentration :

*Courbe de concentration :
M.ACHRIT
Page 31
Cette courbe est obtenue en calculant les frquences relatives

cumules croissante des observations aprs les avoir class par
ordre croissant et les masses relatives cumules croissantes.
ni / n cumules croissantes
ni x i
cumules croissantes
ni x i
La courbe de concentration ou courbe de LORENZ sinscrit
toujours dans un carr de ct unitaire dont les abscisses sont les
frquences relatives cumules croissantes et les ordonnes sont les
masses relatives cumules croissantes.
Dans le cas o toutes les observations seraient gales entre,
la courbe de concentration correspond la bissectrice. Plus la
courbe sloigne de la bissectrice plus la concentration nest leve.
*Coefficient de concentration :
On mesure la concentration par la surface comprise entre la
courbe de LORENZ et la bissectrice. Le coefficient de
concentration ou coefficient de GINI est gale deux fois cette
surface. y = 2A
*Indice de concentration :
On peut tudier la concentration directement partir de la
diffrence entre la mdiale et la mdiane dune distribution.
MdialeMdiane
Indice de concentration=
100
Etendue
4.4.7. Utilisation des diffrents de dispersion :
La variance, lcart-type et le coefficient de variation sont les
paramtres de dispersion les plus utiliss. En particulier le
coefficient de variation qui permet de comparer la variabili relative
de plusieurs qui diffrent fortement par leur ordre de grandeur et
ventullement mme par leur unit de mesure.
M.ACHRIT
Page 32
EXERCICES : STATISTIQUE DESCRIPTIVE A UNE

DIMENSION
Exercices 1 :
Spcifier la nature des caractres suivants :
1- Nombre dactions vendues chaque jour la bourse.
2- Dure de vie des tubes de tlvision fabriqus par une socit.
3- Salaires annuels des employs dune socit.
4- Nationalit des rsidents dans une cit universitaire internationale.
5- Nombre de millimtres de pluie qui tombent sur une ville pendant
diffrents mois de lanne.
6- Vitesse dune voiture.
Exercice 2 :
Le tableau suivant prsent la siituation familiale dun chanllon de 500
personnes choisies au hasard parmi les habitants dune ville.
Situations
familiales
Nombre de
personnes
Clibataire
223
Mari
187
Divorc
32
Veuf
55
spar
TOTAL
500
1- Quelle est la population tudie ?

2- De quel type denqutes sagit-il ?
3- Quel est le caractre tudi ? Quelle est sa nature ?
4- Quelle est la proportion des personnes maries ?
M.ACHRIT
Page 33

5- Reprsenter graaphiquement cette distribution.
Exercice 3 :
Le nombre denfants dans 300 familles est rparti comme suit :
Nombre
denfant
0
1
2
3
4
5
6
7
TOTAL
Nombre de
familles
13
22
46
49
58
42
39
31
300
T.A.F :
2- Quel est le nombre de familles qui ont au moins un enfant ?
3- Quel est le nombre de familles qui ont au plus 4 enfants ?
4- Quelle est la proportion des familles qui ont moins de 5 enfants ?
5- Quelle est la proportion des familles qui ont plus de 2 enfants ?
6- Reprsenter grahiquement cette distribution.
Exercice 4 :
Ltude de la rpartition des personnes dun chantillon a donn les
rsultats suivants :
Classes de
Effectif
revenus
s
1 15
32
1 30
48
1 45
14
46 60
12
61 75
10
76 90
16
91 105
6
106 120
2
T.A.F :
M.ACHRIT
Page 34

2- Reprsenter graphiquement cette distibution.
3- Calculer les indicateurs de tendence suivants :
Moyenne arithmtique
Mdiane
Mdiale
Interprter les rsultts obtenus.

4- Calculer les indicateurs de dispersion suivants :
Variance
Ecart-type
Coefficient de variation
Lcart absolu moyen
Lcart interquartile
Interprter les rsultats obtenus.

5- Donner une mesure de concentration.
Exercice 5 :
Un autombiliste a roul sur trajet de 100 Km/ une vitesse de
90 Km/h sur les 10 premiers kilomtres ; 100 Km/h sur un trajet de 30 Km
et 120 Km/h sur les 60 derniers kilomtres. Quelle est la vitesse moyenne
avec laquelle lautomobilite a parcouru les 100 kilomtres ?
Exercice 6 :
Le tableau suivant donne la rpartition dge de 120 rsidents dans une
maison de retraite :
Age
90
80
70
60
50
40
30
100
- 89
- 79
- 69
- 59
- 49
- 39
TOTAL
M.ACHRIT
Nombre de
personnes
9
32
43
21
11
3
1
120
Page 35
1- Quel est lge moyen des rsidents de cette maison de

retraite ?
2- Calculer un indicateur de dispersion de lge ?
3- Quelle est la tranche dge centrale qui regroupe 60% de
personnes ?
Exercice 7 :
Les recettes journalires de 80 magasins dun centre commercial
rpartissent comme suit :
Recettes
(DH)
90 100
100 110
110 120
120 130
130 140
140 150
150 160
160 170
TOTAL
Nombre de
magasins
5
9
16
25
13
7
3
2
80
1- Calculer la recette moenne journalire.

2- Calculer le coefficient de variation des recettes journalires.
3- Si toutes les recettes journalires ont augment de 20% ; calculrer
la nouvelle moyenne et le nouveau coefficient de variation.
Exercice 8
Le poids moyen et la variance du poids de 10 colis sont
respectivement 5,9 et 4,83. On a remplac un colis pesant 8,5 Kg
par un autre colis qui pse 6,5 Kg. Quelle sont les nouvelles valeurs
de la moyenne et la variance ?
SOLUTIONS DES EXERCICES :

Exercice 1 :
M.ACHRIT
Page 36
1- Le nombre dactions, vendues chaque jour la bourse, est un

caractre mesurable, il ne prend par de valeurs dcimales.
Cest donc un caractre quantitatif discret.
2- Dure de vie des tubes de tlvision, cest une caractristique
mesurqble, gnralement exprime en heures, elle peut
prendre des valeurs dcimales. Il sagit donc dun caractre
quantitatif continu.
3- Les salaires annuels sont mesurables et peuvent prendre des
valeurs dcimales. Cest un caractre quantitatif continu
4- La nationalit est une caractristique non mesurable, cest un
caractre qualitatifa.
5- Le nombre de millimtres de pluie est une caractristique
mesurable et peut prendre des valeurs dcimales, cest un
caractre quantitatif continu.
6- La vitesse dune voiture est une caractristique mesurable et
peut prendre des valeurs dcimles, cest un caractre
quantitatif continu.
Exercice 2 :
1- La population tudie est constitue est lensemble des
habitants de laville.
2- Seulement une partie de la population (500 personnes) a t
rellement.observe, il s'agit donc dune enqute partielle ou
enqute par chantillonnage.
3- Le caractre tudi est la sitution familiale, il nest pas
mesurable, cest un caractre qualitatif.
4- Les proportions correspondent aux frquences relatives fi.
Fi=
Frquence absolue
Effectif total
Situation familiale
Frquences absolue
Clibataire
Mari
Divorc
Veuf
spar
223
187
32
55
3
Frquences relatives
0,446
0,374
0,064
0,110
0,006
TOTAL
500
1,000
M.ACHRIT
Page 37
La proportion des personnes maries est donc :

f2 100 = 0,374
100 = 37,4%
5- La situation familiale est un caractre qualitatif, on peut la

reprsenter graghiquement par un diagramme en tuyaux dorgue
ou par un diiagramme circulair.
70
60
50
40
30
20
10
0
1
70
60
50
40
30
20
10
0
0
M.ACHRIT
Page 38
Exercice 3 :
1- Le nombre denfant est un caractre mesurable, il ne peut
pas prendre des valeurs dcimmales, cest un ccaractre
quantitatif discontinu.
Le tableau suivant regroupe les frquences absolues (ni),
les frquences absolues cumules croissantes (ni cum
Dcrois.), les frquences absolues cumules dcroissantes
(ni cum Dcrois.), les frquences relatives (fi), les
frquences relatives cumules croissantes (fi cum Dcrois.)
et les frquences (fi cum Dcrois.)
M.ACHRIT
Ndre
denfa
nt
Ni
Ni
cum.
Crois.
Fi
cum.
Dcroi
s.
Fi
Fi
cum.
Crois.
Fi
cum.
Dcroi
s.
0
1
2
3
4
5
6
Plus de
6
TOTAL
13
22
46
49
58
42
39
31
13
35
81
130
188
230
269
300
300
287
265
219
170
112
70
31
0,043
0,73
0,153
0,163
0,194
0,410
0,130
0,104
0,043
0,116
0,269
0,432
0,626
0,766
0,896
1,000
1,000
0,957
0,884
0,731
0,569
0,374
0,234
0,104
300
1,000
Page 39
2- Nombre de familles qui ont au moins 1 enfant est gale la

deuxime frquence cumule dcroissante, c'est dire
287.
3- Nombre de familles qui ont au plus 4 enfants est gale la
cinquime frquence absolue cumule croissante, c'est-dire 188.

4- Propportion des familles qui ont moins de 5 enfants est
gale la cinquime frquence relative cumule

croissante, c'est dire 0,626 ou 62,6%.
5- Proportion des familles qui ont plus de 2 enfants est gale
la quatrime relative cumule dcroissante, c'est dire

0,731 ou 73,1%.
6- Le nombre denfants est un caractre quantitatif
discontinu, ou peut le reprsenter graphiquement par un

diagramme en btons.
70
60
50
40
30
20
10
0
0
M.ACHRIT
Page 40
Exercice 4 :
1- Le revenu est une caractristique mesurable qui peut
prendre des valeus dcimali, cest un caractre quantitatif
continu.
2- Une variable statistique continue est reprsente
graphiquement, le plus souvent, par un histogramme.
3- Pour le calcul des paramtres statistiques, le tableau
suivant regroupe le dtail des calculs.
Point
central
ci
ni
ni c i
8
23
38
53
68
83
98
113
32
48
14
12
10
16
6
2
TOTAL
140
256
1104
532
636
680
1328
588
226
ni
cum
Crois
32
80
94
106
116
132
138
140
ni c i
cum
Crois
256
1360
1892
2528
3208
4536
5124
5350
5350
ni c i 2
2048
25392
20216
33708
46240
11022
4
57642
25538
32099
0
Moyenne arithmtique :
c =
ni c i = 5350 =38,2
n i 140
Le revenu moyen dune personne est gal 38,2
M.ACHRIT
Mdiane :
Page 41
|c ic|
n i|ci c|
30,2
15,2
0,2
14,8
29,8
44,8
59,8
74,8
966,4
729,6
2,8
177,6
289
716,8
358,8
149,6
3399,6

La mdiane se situe entre lobservation de ranga 70 et lobervation de
rang 71, elle se trouve dans la classe 16 30.
N +1
Ni
2
n2
Me=l 0 +ai
1
= 16+14[(70,5 -32)/48]
=27,22
La moiti de personnes de ont revenu infrieur ou gal 27,22.
mdiale :
La mdiale est lobservation qui partager la masse total 5350 en deux

partis-gales dont le totale des revenus est gal (5350 /2) c'est dire
2675.
La mdiale appartient la classe 61 75.
2528
61
2675
Ml
3208
75
M 161
7561
=
26752528 32082528
Ml=61+14
147
=64,02
680
La moiti du total des revenus de lensemble des personnes de

lchantillon sont distribus sous forme de revenus infrieurs ou gales
64,02.
La concentration est de 31%.
Exercice 5 :
Lautomobiliste a parcouru les 100 Km avec 3 vitesses diffrentes :
M.ACHRIT
vitesse
trajet
V1 = 90
N1 = 10
Page 42

V2 =100
N2 = 30
V3 =120
N3 = 60
total
100
Une vitesse est un rapport entre la distance parcourue et le temps

mispour parcourir cette distance.
La vitesse moyenne avec laquelle lautomobiliste a parcouru les 100 Km
est gale au raport de la distance parcouru sur le temps mis pour
parcourir les 100 Km.
Le temps mis pour parcourir les 100 Km est gale la somme des temps
mis pour parcourir chaque trajet.
Le temps mis pour parcourir un trajet est gale au rapport de la distance
du trajet sur la vitesse.
Vitesse moyenne=
Distance total n 1+n 2+ n3

=
Temps total
n1 n 2 n3
+ +
v1 v2 v3
ni
i=1
n
=110
vi
i=1
Km
h
Il sagit dune moyenne harmonique de la vitesse et non par la moyenne

arithmtique.
Exercice 6
Tranche
dge
30 - 40
M.ACHRIT
Point
Central ci
35
ni
1
ni cumu.
Crois.
1
Page 43
Ci ni
Ni ci2
35
1225

40 - 50
50 - 60
60 - 70
70 - 80
80 - 90
90 - 100
Total
45
55
65
75
85
95
-
3
11
21
43
32
9
120
4
15
36
79
111
120
-
135
605
1365
3225
3720
855
8940
6075
33275
88725
241875
231200
81225
683600
1- Lge moyen des rsidents :
C=
ni ci = 8940 =74,5 ans

ni 120
2- La variance est un indicateur de dispersion
S=
ni c 2i C 2 = 683600 74,52
120
ni
= 146,41
3- La tranche dge centrale qui regroupe 60% des personnes a 20%

de personnes sa gauche et 20% sa droite.
10%
10%
d1
60%
10%
d2
d8
10%
d9
Cest donc la tranche comprise entre le deuxime dcile et le huitime

dcile.
d2 Correspond lge du 24me personne, il appartient la tranche dge
60 70 ans.
15
60
24
36
d2
70
d 260 7060
=
2415 3615
M.ACHRIT
Page 44
D 2=60+10
9
=64,28 ans
21
d8 correspond lge du 96me personne, il appartient la tranche 80 90

79
96
80
d8
111
90
d 880 9080
=
9679 11179
D 8=80+ 10
17
=85,31 ans
32
La tranche dge centrale qui regroupe 60% des rsidqnts est donc lq
trqnche 64 - 85 ans
Exercice 7 :
1- Pour simplifier les calculs on peut effectuer un changement de
variable, en remplacant la variable tudie ( x points centraux ) par
une autre variable y.
y=
X a
b
2- On choisit a et b de telle sorte que les valeurs de y soient les plus

simples possible. La valeur la plus simple est la valeur zro, on
prfre quelle soit au centre de la distribution, a doit donc tre
gale au point central qui est au centre de la distribution, b est le
plus grand diviseur commun gnralement cest lamplitude des
classes.
y=
X 125
10
ci
95
105
115
125
135
145
155
M.ACHRIT
y
-3
-2
-1
0
1
2
3
ni
5
9
16
25
13
7
3
Page 45
ni yi
-15
-18
-16
0
13
14
9
ni yi2
45
36
16
0
13
28
27

165
TOTAL
y =
2
80
8
-5
32
197
ni y i =5 =0,0625
n i 80
x=10 y +125
x =10 y +125
x =10 (0,0625 ) +125

x =124,375
2CV =
SX
X
S 2x =10 2 y
0,0625
2
ni y i y 2= 197
S 2y =
ni
80
2,46250,0039=2,4586
2
S x =100 2,4586=245,86
245,86
CV =
=0,13 ou 13
124,375
3- Toutes les recettes ont augment de 20%, la nouvelle variable x est
donc :
x ' =x+ 0,2 x=1,2 x

x =1,2 x =149,25
2
2
2
S x =1,2 S x =354,0384
s
354,0384
CV X = x =
=0,13 ou 13
'
149,25
x
'
'
Toutes les observations ont augment dune mme proportion par

consquent, le coefficient de variation na pas chang.
Exercice 8 :
Soit x la variable statistique qui reprsente le poids des colis.
x =5,9 et s2=4,83
M.ACHRIT
Page 46

1- Elminons lobservation qui a la valeur 8,5 Kg.
10
x i=10 X =59
i=1
x i=598,5=50,5
i=1
x 2i =( s2 + s2 ) 10=( 4,83 5,92 ) 10=396,4

i=1
9
x 2i =396,48,52 =324,15
i=1
2- Ajoutons la nouvelle observation qui a la valeur 6,5 Kg.

10
x i=50,5+6,5=57
i=1
10
x 2i =324,15+6,5 2=366,4
i=1
Les nouvelles valeurs de la moyenne et la variance sont :

10
xi
57
x = i=1 = =5,7
10
10
10
x 2i
366,4
S 2= i=1 x 2=
5,7 2=4,15
10
10
M.ACHRIT
Page 47
M.ACHRIT
Page 48

Coursstat 131127033159 Phpapp01

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Coursstat 131127033159 Phpapp01

Încărcat de

Drepturi de autor:

Formate disponibile

Statistique descriptive une dimension

Statistique descriptive une dimension

qualitatif et le caractre quantitatif discret

dun caractre qualitatif

dun caractre quantitatif discret

dun caractre quantitatif continu

Statistique descriptive une dimension

Statistique descriptive une dimension

STATISTIQUE DESCRIPTIVE UNE DIMENSION

Statistique descriptive une dimension

X1, X2, X 3,, Xi, , Xn

Lorsque les observations sont nombreuses, il est ncessaire de les

Statistique descriptive une dimension

n1 est le nombre de fois quon a observ la modalit C1

n1+ n2 ++ni + +nk n

Statistique descriptive une dimension

le caractre quantitatif discret :

Exemple : Distribution du nombre de pices pour 750

Statistique descriptive une dimension

Population : 750 appartements

Le tableau peut se lire comme suit :

Statistique descriptive une dimension

Le caractre quantitatif continu :

Quand le nombre des valeurs observes (Xi) est lev, il est

Chaque classe [a b] est caractrise par :

une borne infrieure a , une borne suprieure b

une amplitude qui est lcart entre les deux bornes

un point central correspondant au milieu de cette classe et

Exemple : Rpartition de 300 salaries dune entreprise selon lge

Statistique descriptive une dimension

De la mme manire que pour les distributions non groupes

Statistique descriptive une dimension

LES REPRSENTATIONS GRAPHIQUES :

Bien quun tableau statistique renferme toute linformation

Statistique descriptive une dimension

3.1.2. Diagramme circulaire (graphique secteurs) :

Statistique descriptive une dimension

Mthode de calcul des degrs de chaque angle (ou secteur) du cercle :

: 221961 correspond 360

Effectif bovins : 3346 Correspond langle a1

Effectif ovins : 13515 Correspond a2

Effectif caprins : 5335 correspond a3

3.2. Reprsentation dune variable discrte :

Statistique descriptive une dimension

Nombre d'enfants par mnages

Statistique descriptive une dimension

Nombre d'enfant par mnage

Nombre d'enfants (xi)

Polygone de frquences cumules

3.3. Reprsentation dun caractre quantitatif continu :

Statistique descriptive une dimension

Salaires horaires de 91 ouvriers

Statistique descriptive une dimension

4.2. Paramtres de tendance centrale :

4.2.1. Moyenne arithmtique :

* Cas dun caractre discret :

K est le nombre de valeurs distinctes que peut prendre la variable xi et

Statistique descriptive une dimension

Ci est le point central des classes.

4.3.2. Moyenne arithmtique pondre :

: est le poids affect lobervation i.

Prix moyend 1 kg= i=1

Prix moyend 1 kg=