Master 1 MRHDS

Traitement statistique des données

C. Joutard

Université Paul Valéry-Montpellier 3

Année universitaire 2011-2012

1
Organisation

1) 1h30 Cours - 1h30 TD par semaine

2) Informations et documents sur le site

http://www.univ-montp3.fr/miap/ens/
cliquer sur le lien “M1MRHDS: Traitement statistique des données”

2
 Introduction
Les statistiques: Ensemble de données, d’observations relatives à des
groupes d’individus, présentées sous forme de tableaux numériques, de
graphiques ou synthétisées par des résumés numériques.
La statistique: Ensemble de méthodes ayant pour objectif la collecte, la
présentation, le traitement de données d’une part, l’analyse de ces
données, leur modélisation et la prise de décision d’autre part.
Ce cours portera principalement sur la Statistique descriptive (on
s’intéresse à décrire et à synthétiser les données étudiées) 6= Statistique
inférentielle (on cherche à tirer des conclusions générales à partir des
données observées sur un échantillon) ,→ utilise notamment les
probabilités.

3
Exemple 1: Notes d’étudiants et filières d’étude
On a noté dans le tableau ci-dessous la répartition de 100 étudiants d’une
université par filière d’étude et par classe de notes obtenues à une épreuve
d’un concours commun.
Note [0, 6[ [6, 10[ [10, 14[ [14, 20]
Filière A 26 6 4 1
Filière B 12 9 3 1
Filière C 1 4 5 6
Filière D 10 8 3 1
Exemple 2: Sondage sur une mesure gouvernementale
Un échantillon est prélevé au hasard dans la population française pour
sonder l’opinion sur une mesure du gouvernement. On a obtenu les
résultats suivants: 689 sont opposés à la mesure, 894 indifférents et 417
favorables.

4
Exemple 3: Habitants d’une résidence de Montpellier
Dans une résidence de Montpellier comprenant 11 appartements, on
s’intéresse au nombre de personnes habitant dans chaque appartement.
On a obtenu les réponses suivantes:

1, 3, 1, 0, 2, 2, 4, 1, 3, 1, 2

Exemple 4: Produits d’une grande surface

Dans le tableau ci-dessous, on a réparti 700 produits provenant d’une
grande surface française selon leur classe de prix (en euros).

Prix ]0, 10[ [10, 15[ [15,30[ [30,45[ [45,150] Total

Effectifs 110 205 235 70 80 700

5
Exemple 5: Couleurs des yeux et des cheveux

On souhaite savoir s’il existe un lien entre la couleur des cheveux et la

couleur des yeux chez les 445 élèves d’une école primaire.
On a relevé les effectifs suivants:

Couleur yeux \ cheveux Brun Noir Roux Blond

Marron 113 72 7 39
Gris-vert 38 41 10 27
Bleu 20 17 8 53

6
 Chapitre I. Description d’une situation
statistique
1) Population et individus
L’ensemble des individus sur lequel porte l’étude s’appelle la
population. Comme en général, on ne peut pas étudier la population en
entier, on en extrait une partie appelée échantillon. Les individus
constituant l’échantillon sont donc extraits de la population étudiée.
L’échantillon est censé être représentatif de cette population (note: le
processus de sélection des individus de l’échantillon fait parti d’une
branche de la statistique appelée échantillonnage qui ne sera pas étudiée
dans ce cours).
Lorsque l’échantillon correspond à la population dans son entier on parle
de recensement.

7
Pour désigner un individu, on parle aussi d’unité statistique. Notons
qu’un individu (ou unité statistique) n’est pas nécessairement une
personne (exemple: une voiture, une ville française, un appartement,...)
On notera n=taille de l’échantillon = nombre d’individus de
l’échantillon = effectif total

Exemple 1: Notes d’étudiants et filières d’étude

Les individus sont des étudiants d’une université.
Même si ce n’est pas précisé on peut penser qu’il s’agit d’un échantillon
(tous les étudiants n’ont pas été interrogés).
La taille de l’échantillon est n = 100.
Exemple 2: Avis sur une mesure gouvernementale
Les individus sont des personnes habitant en France.
Il s’agit d’un échantillon (a priori représentatif de la population française).
La taille de l’échantillon est n = 2000.

8
Exemple 3: Habitants d’une résidence
Les individus sont les appartements d’une résidence de Montpellier.
Il s’agit d’un recensement car on a étudié tous les appartements de la
résidence. La taille de le la population (=échantillon) est n = 11.
Exemple 4: Produits d’une grande surface
Les individus sont des produits d’une grande surface française.
Il pourrait s’agir d’un échantillon mais ce n’est pas clairement spécifié.
La taille de l’échantillon est n = 700.
Exemple 5: Couleurs des yeux et des cheveux
Les individus sont les enfants d’une école primaire.
C’est un recensement.
La taille de la population (=échantillon) est n = 445.

9
2) Variable(s)
Le (ou les) caractère(s) étudié(s) et mesuré(s) sur les individus est (sont)
appelé(s) la (ou les) variable(s). On la (les) notera par des lettres
majuscules: X, Y, Z.... On observe et mesure la (ou les) variable(s) sur
chaque individu de l’échantillon.
Exemple de variables: âge, taille, salaire, note à un examen, nombre
d’enfants, mention au bac, etc....
On appelle modalités les réponses faites par les individus à une variable.
Pour un individu donné, on n’a qu’une seule réponse possible (par
variable). On notera ces réponses par des lettres minuscules. Par exemple,
x2 représente la réponse faite par l’individu numéro 2 de l’échantillon à la
variable X.
Si on étudie 2 variables X et Y (au lieu d’une seule), (x5 , y5 ) représente
les réponses faites par l’individu numéro 5 de l’échantillon aux 2
variables X et Y .

10
On fait la distinction entre l’ensemble des modalités observées et
l’ensemble des modalitées observables (les réponses “possibles”). Il se
peut très bien que toutes les réponses “possibles” n’aient pas été
observées parmi les n individus constituant l’échantillon étudié.
En effet soit l’ensemble des modalités observables est infini (ex:
modalités de la variable “taille” en cm) soit certaines réponses n’ont tout
simplement pas été proposées par les n individus de l’échantillon.

On notera MX l’ensemble des modalités de la variable X. On pourrait

avoir par exemple:
• MX = {“Passable”, “Assez bien”, “Bien”, “Très bien”}.
• MX = {1, 2, 3, 4, 5, 6}.
• MX = [140, 200].
• MX = {“musique”, “théatre”, “danse”, “autre”}.

11
Lorsque l’ensemble des modalités est fini (en particulier ce n’est pas un
intervalle comme dans l’exemple MX = [140, 200]), on note K son
cardinal (c’est-à-dire le nombre d’éléments de l’ensemble). Dans le cas
général, on aura alors MX = {m1 , . . . , mK }.
Si K = 2 (2 modalités pour la variable), on dit que la variable est
dichotomique (exemple: réponse (Oui/Non) à une question).

12
Nous nous intéressons à présent à la nature des ces variables (qui dépend
de la structure de l’ensemble des modalités):

• Variable qualitative: Lorsque les modalités d’une variable sont des

mots (ou des “codes” utilisés pour désigner des mots), on dit que la
variable est qualitative. Dans ce cas les modalités sont aussi appelées
niveaux (de la variable). Il existe 2 types de variables qualititatives :
Variable qualitative nominale: Il n’existe pas d’ordre naturel
entre les différentes modalités (ou niveaux) de la variable (ex:
catégories socio-professionnelles, couleurs des cheveux,....)
Variable qualitative ordinale: Il existe un ordre naturel entre les
modalités et il est donc possible d’ordonner ces modalités les
unes par rapport aux autres (ex: mentions au bac, niveaux de
difficulté d’un test,...)

13
• Variable quantitative: Les modalités d’une variables quantitative
sont des nombres (obtenus par comptage, mesure, etc..). On parle
alors de valeurs (de la variable) plutôt que de modalités. Il existe 2
types de variables quantitatives :
Variable quantitative discrète: les valeurs sont en général des
nombres entiers obtenus par dénombrement (ex: Nombre
d’enfants d’une famille, Nombre d’étages d’un immeuble, etc..)
Variable quantitative continue: les valeurs sont en général des
nombres décimaux lus par un instrument de mesure réel ou
imaginaire. Elles s’expriment souvent dans une unité (ex: taille
en cm, salaire en euros, durée en min,...). Notons qu’entre deux
valeurs distinctes, il existe en théorie une infinité de valeurs
possibles.

14
Exemple 1: Notes d’étudiants et filières d’étude
X: “Filière d’étude”
Y : “Note”
MX = {A, B, C, D}.
Variable qualitative nominale
MY = [0, 20].
Variable quantitative continue
Exemple 2: Avis sur une mesure gouvernementale
X: “Avis”
MX = {“Opposé”, “Indifférent”, “Favorable”}.
Variable qualitative ordinale
Exemple 3: Habitants d’une résidence
X: “Nombre de personnes (habitant dans un appartement)”
MX = {0, 1, 2, 3, 4}.
Variable quantitative discrète

15
Exemple 4: Produits d’une grande surface
X: “Prix”
MX =]0, 150].
Variable quantitative continue

Exemple 5: Couleurs des yeux et des cheveux

X: “Couleur des yeux”
Y : “Couleur des cheveux”
MX = {“Marron”, “Gris-vert”, “Bleu”}
Variable qualitative nominale
MY = {“Blond”, “Brun”, “Noir”, “Roux”}
Variable qualitative nominale

16
3) Données
On s’intéresse maintenant à la manière dont les données (l’ensemble des
réponses des individus) sont présentées. En général, les données dont on
dispose ont déjà subi des transformations pour les rendre plus “lisibles”.
Les données dans leur forme “originelle” (aucune transformation n’a été
effectuée) sont appelées données brutes. Elles peuvent se présenter sous
la forme d’un tableau avec en lignes les individus et en colonnes les
variables. Dans le cas d’une seule variable X, on aurait alors par exemple:
Numéro de l’individu (identifiant) Variable X
1 m3
2 m2
3 m4
4 m1
.. ..
. .
n m1

17
Exemple 2: Avis sur une mesure gouvernementale: Le tableau des
données brutes pouvait se présenter sous la forme:
Numéro de l’individu Avis
1 Indifférent
2 Indifférent
3 Opposé
4 Favorable
.. ..
. .
n Opposé
Les données brutes pourraient aussi être simplement présentées sous la
forme d’une liste de n réponses (1 par individu) à la variable X. Par
exemple, on pourrait avoir: x1 = Indifférent, x2 = Indifférent, x3 =
Opposé, x4 = Favorable, . . ., xn = Opposé,
ou encore plus simplement:
Indifférent, Indifférent, Opposé, Favorable, . . ., Opposé.

18
Exemple 1: Notes d’étudiants et filières d’étude
X = Filière d’étude (variable qualitative nominale).
Y = Note obtenue à l’épreuve (variable quantitative continue).
Les ensembles des modalités pour X et Y sont MX = {A, B, C, D} et
MY = [0, 20]. Le tableau des données brutes pouvait se présenter sous la
forme:
Numéro de l’étudiant Filière (X) Note (Y)
1 B 10.5
2 A 4.5
3 B 12
4 D 8.5
.. .. ..
. . .
n C 14

19
Souvent, on regroupe les individus qui ont donné la même réponse
(c’est-à-dire la même modalité) et on compte leur nombre. Donc pour
chaque modalité (dans le cas d’un ensemble de modalités de cardinal
fini), on obtient l’effectif associé, c’est-à-dire le nombre d’individus (dans
l’échantillon) ayant choisi cette modalité. Pour une variable X avec K
modalités, on a alors le tableau suivant donnant la répartition des
individus selon les K modalités:

Variable X m1 m2 ··· mK
Effectifs nk n1 n2 ··· nK
Ce tableau donne la distribution en effectifs de la variable X, notion qui
fait l’objet du chapitre suivant.

20
En résumé, lorsque l’on veut décrire une situation statistique, on doit
clairement identifier:

• Les individus (qui est l’objet de l’étude?) et éventuellement la

population et l’échantillon (en donnant la taille de l’échantillon et
en précisant si possible s’il s’agit d’un recensement).

• La (ou les) variable(s) (sur quoi porte l’étude?) en précisant leur

nature et leurs modalités.

• Les données (comment se présente le relevé des observations?

données brutes? tableau de distribution en effectifs? etc...).

21
Chapitre II. Distribution et distribution
cumulée
1) Distribution
Soit X une variable observée sur un échantillon de taille n. On note
x1 , x2 , . . . , xn les réponses (appartenant à l’ensemble des modalités
MX ) données par les n individus de l’échantillon à X. On appelle
distribution de X la répartition des réponses suivant les modalités de X.
1.1) Distribution en effectifs
Pour chaque modalité, on compte le nombre d’individus ayant pour
réponse cette même modalité (ceci revient à compter les répétitions dans
les réponses données par les n individus). On notera mk la kème
modalité de X et nk l’effectif associé à cette modalité (c’est-à-dire le
nombre d’individus dont la réponse à X est mk ).

22
Remarquons que
K
X
nk = n1 + n2 + . . . + nK = n,
k=1

c’est-à-dire la somme des effectifs est égale à n.

On a le tableau suivant pour la distribution en effectifs de X:

Variable X m1 m2 ··· mK Total

Effectifs nk n1 n2 ··· nK n

23
1.2) Distribution en fréquences
On s’intéresse à la proportion des différents effectifs par rapport à
l’effectif total n (taille de l’échantillon). Il est ainsi plus facile de
comparer et d’interpréter.
Notons fk la fréquence associée à la kème modalité:
nk
fk = .
n
Une fréquence est toujours comprise entre 0 et 1. On peut aussi l’écrire
sous forme de pourcentage (ex: 0.35 = 35%).
PK
On a k=1 fk = 1, c’est-à-dire la somme des fréquences est égale à 1
(ou 100% s’il s’agit de pourcentages).
Le tableau ci-dessous donne la distribution en fréquences de X:

Variable X m1 m2 ··· mK Total

Fréquences fk f1 f2 ··· fK 1

24
1.3) Cas particulier de la variable quantitative continue
Vu l’infinité des valeurs (ou modalités) observables pour une variable
quantitative continue, il n’y a pas de répétitions et donc pas de
regroupement immédiat par modalité. On va former des classes de
valeurs, c’est-à-dire découper l’ensemble des modalités M en intervalles
(classes) successifs. Pour ceci on doit :

• choisir le nombre de classes (ou intervalles) K.

• choisir la borne inférieure et la borne supérieure de chaque intervalle.

Il ne doit pas y avoir d’espace vide entre 2 intervalles (ou classes)

successifs, la borne supérieure d’une classe est la borne inférieure de la
classe qui suit. En même temps les deux intervalles doivent être disjoints
(exemple: [1, 3[ et [3, 6[).

25
On parle de regroupement en classes de la variable. Notons que ce
regroupement en classes implique forcément une perte d’information vu
qu’on ne connaı̂t plus la valeur exacte de chaque observation (ou réponse
observée pour chaque individu) mais seulement son appartenance à une
classe.
On a le tableau suivant pour la distribution (en effectifs et fréquences) de
X:
Variable X [b0 ; b1 [ [b1 ; b2 [ ··· [bK−1 ; bK [ Total
Effectifs nk n1 n2 ··· nK n
Fréquences fk f1 f2 ··· fK 1
En ce qui concerne le nombre de classes à choisir, on doit faire attention à
ce qu’il ne soit pas trop petit pour éviter une trop grande perte
d’information mais pas trop grand non plus pour que l’information reste
assez lisible.

26
2) Distribution cumulée
On parle de distribution cumulée uniquement lorsqu’il existe un ordre
naturel sur les modalités (c’est le cas des variables quantitatives discrètes
ou continues et des variables qualitatives ordinales mais pas des variables
qualitatives nominales). Lorsqu’on peut donc ranger les modalités selon
un ordre, il s’agit de cumuler les effectifs (ou les fréquences) selon l’ordre
croissant des modalités.
Etudier la distribution cumulée d’une variable permet de répondre à des
questions du type:
Quelle est la proportion d’individus dont la réponse est inférieure à...?
Quelle est la proportion d’individus dont la réponse est comprise entre...
et ...?
Quelle est la proportion d’individus dont la réponse est supérieure à...?

27
Pour la kème modalité, les formules sont les suivantes:
Effectifs cumulés Nk : Nk = n1 + n2 + . . . + nk .
Fréquences cumulées Fk : Fk = f1 + f2 + . . . + fk .
2.1) Cas des variables qualitatives ordinales
Les modalités sont rangées selon un ordre naturel.

m1 < m2 < . . . < mk < . . . < mK

On a alors le tableau suivant pour la distribution et la distribution cumulée

(en effectifs et en fréquences) de X:

Variable X m1 m2 ··· mK Total

Effectifs nk n1 n2 ··· nK n
Fréquences fk f1 f2 ··· fK 1
Effectifs cumulés Nk N1 = n1 N2 ··· NK = n
Fréquences cumulées Fk F1 = f1 F2 ··· FK = 1

28
2.2) Cas des variables quantitatives discrètes
Les valeurs peuvent bien entendu être rangées dans l’ordre.

v1 < v2 < . . . < vk < . . . < vK

Le tableau ci-dessous donne la distribution et la distribution cumulée (en

effectifs et en fréquences) de X:

Variable X v1 v2 ··· vK Total

Effectifs nk n1 n2 ··· nK n
Fréquences fk f1 f2 ··· fK 1
Effectifs cumulés Nk N1 = n1 N2 ··· NK = n
Fréquences cumulées Fk F 1 = f1 F2 ··· FK = 1

29
2.3) Cas des variables quantitatives continues
Les classes sont rangées dans l’ordre.

[b0 ; b1 [< [b1 ; b2 [< · · · < [bK−1 ; bK [

Le tableau ci-dessous donne la distribution et la distribution cumulée (en

effectifs et en fréquences) de X:
Variable X | [b0 ; b1 [ | [b1 ; b2 [ | ··· | [bK−1 ; bK [ | Total
Bornes b0 b1 b2 ··· bK−1 bK
Effectifs nk | n1 | n2 | ··· | nK k n
Fréquences fk | f1 | f2 | ··· | fK k 1
Eff. cum. Nk 0 N1 N2 ··· NK−1 n
Fréq. cum. Fk 0 F1 F2 ··· FK−1 1

Note: On écrit en général les effectifs (et les fréquences) cumulées au

niveau des bornes des classes.

30
3) Exemples
Exemple 1: Notes d’étudiants et filières d’étude
Les deux tableaux ci-dessous donnent d’une part la distribution (en
effectifs et fréquences) de la variable X = “Filière d’étude” (ou
distribution marginale de X, voir chapitre III) et d’autre part la distribution
et la distribution cumulée de la variable Y = “Note obtenue à l’épreuve”
Filière A B C D Total
Effectifs nk 37 25 16 22 100
Fréquences fk (%) 37 25 16 22 100

Note | [0, 6[ | [6, 10[ | [10, 14[ | [14, 20] k Total

Bornes 0 6 10 14 20
nk | 49 | 27 | 15 | 9 k 100
fk (%) | 49 | 27 | 15 | 9 k 100
Nk 0 49 76 91 100
Fk (%) 0 49 76 91 100

31
Exemple 2: Avis sur une mesure gouvernementale
Le tableau ci-dessous donne la distribution (en effectifs et fréquences) et
la distribution cumulée (en effectifs et fréquences) de X=“Avis”.

Avis Opposé Indifférent Favorable Total

Effectifs nk 689 894 417 2000
Fréquences fk 0.3445 0.447 0.2085 1
Eff. cum. Nk 689 1583 2000
Fréq. cum. Fk 0.3445 0.7915 1

32
Exemple 3: Habitants d’une résidence
On représente dans le tableau ci-dessous la distribution et la distribution
cumulée (en effectifs et en fréquences) de X=“Nbre de personnes
(habitant dans un appartement)”.

Nbre de personnes 0 1 2 3 4 Total

Effectifs nk 1 4 3 2 1 11
Fréquences fk 0.091 0.364 0.273 0.182 0.091 1
Eff. cum. Nk 1 5 8 10 11
Fréq. cum. Fk 0.091 0.455 0.728 0.910 1

33
Exemple 4: Produits d’une grande surface

On donne dans le tableau ci-dessous la distribution et la distribution

cumulée (en effectifs et en fréquences) de X=“Prix”.

X | ]0, 10[ | [10, 15[ | [15,30[ | [30,45[ | [45,150] k Tot.

bk 0 10 15 30 45 150
nk | 110 | 205 | 235 | 70 | 80 k 700
fk (%) | 15.7 | 29.3 | 33.6 | 10.0 | 11.4 k 100
Nk 0 110 315 550 620 700
Fk (%) 0 15.7 45 78.6 88.6 100

34
4) Représentations graphiques

Dans cette partie du cours, nous donnons une représentation graphique de

la répartiton des individus selon leurs modalités.
Pour chaque type de variable, nous présentons les principaux éléments
permettant de représenter graphiquement la distribution et lorsque cela est
possible la distribution cumulée.

35
4.1) Variable qualitative nominale
La distribution de X est donnée dans le tableau suivant
Variable X m1 m2 ··· mK Total
Effectifs nk n1 n2 ··· nK n
Fréquences fk f1 f2 ··· fK 1
Distribution: diagramme en barres séparées
• On trace un axe horizontal portant le nom de la variable et on y
positionne les modalités de la variable (ici l’ordre et la distance entre
modalités n’ont pas de sens, l’axe n’est pas orienté).
• Sur l’axe vertical, on place les effectifs ou les fréquences après avoir
choisi une échelle (l’axe est orienté).
• Au dessus de chaque modalité, on trace un trait ou un rectangle (la
largeur n’a pas de signification) vertical de hauteur égale à l’effectif
(ou à la fréquence) correspondant.

36
4.2) Variable qualitative ordinale
La distribution et la distribution cumulée de X sont données ci-dessous:
Variable X m1 m2 ··· mK Total
Effectifs nk n1 n2 ··· nK n
Fréquences fk f1 f2 ··· fK 1
Effectifs cumulés Nk N 1 = n1 N2 ··· NK = n
Fréquences cumulées Fk F1 = f 1 F2 ··· FK = 1
Distribution: diagramme en barres juxtaposées
• Sur un axe horizontal portant le nom de la variable, on positionne les
modalités de la variable entre deux délimiteurs répartis régulièrement.
• Sur l’axe vertical, on place les effectifs ou les fréquences après avoir choisi
une échelle (l’axe est orienté).
• Au dessus de chaque modalité, on trace un rectangle vertical (la base du
rectangle correspond à la modalité entre 2 délimiteurs) de hauteur égale à
l’effectif (ou à la fréquence) correspondant.

37
Distribution cumulée: graphe des fréquences cumulées

• On trace un axe horizontal portant le nom de la variable et on y

positionne les modalités de la variable (dans l’ordre) entre deux
délimiteurs répartis régulièrement.

• Sur l’axe vertical, on positionne les fréquences cumulées en

respectant l’échelle choisie (l’axe est orienté de 0 à 1).

• Au niveau de chaque délimiteur, on place un point correspondant à sa

fréquence cumulée.

• On relie les points par des morceaux de droite.

38
4.3) Variable quantitative discrète
La distribution et la distribution cumulée de X sont données ci-dessous:
Variable X v1 v2 ··· vK Total
Effectifs nk n1 n2 ··· nK n
Fréquences fk f1 f2 ··· fK 1
Effectifs cumulés Nk N1 = n1 N2 ··· NK = n
Fréquences cumulées Fk F1 = f 1 F2 ··· FK = 1
Distribution: Diagramme en bâtons
• On trace un axe horizontal portant le nom de la variable et on y positionne les
valeurs (modalités) de la variable après avoir choisi une échelle (l’axe est
orienté).
• Sur l’axe vertical, on place les effectifs ou les fréquences en respectant
l’échelle choisie (l’axe est orienté).
• Au dessus de chaque modalité on trace un bâton de longueur égale à
l’effectif (ou à la fréquence) correspondant.

39
Distribution cumulée: graphe de la fonction de répartition empirique
,→ graphe en escalier

• On positionne les valeurs (modalités) de la variable sur l’axe

horizontal en respectant l’échelle choisie (l’axe est orienté).

• Sur l’axe vertical, on place les fréquences cumulées en respectant

l’échelle choisie (l’axe est orienté de 0 à 1).

• A chaque valeur, on associe un point correspondant à sa fréquence

cumulée.

• On trace des morceaux de droite horizontale (le cumul se fait par des
sauts pour chaque valeur).

40
4.4) Variable quantitative continue

Distribution: Histogramme
Dans le cas d’une variable quantitative continue, on doit prendre en
compte l’amplitude (ou largeur) des classes.
Par exemple, “15 individus sont âgés entre 20 et 30 ans” n’a pas du tout la
même signification que “15 individus sont âgés entre 20 et 22 ans”. Les
effectifs (et fréquences) sont les mêmes mais dans le 2ème cas la
concentration des observations est beaucoup plus forte.
Notons ak l’amplitude de la kème classe.
Nous allons donc calculer la densité de fréquence associée à chaque
classe:
fk
dk =
ak

41
Nous pouvons alors compléter le tableau de distribution en effectifs et en
fréquences comme ceci :

Variable X | [b0 ; b1 [ | [b1 ; b2 [ | ··· | [bK−1 ; bK [ | Total

Bornes b0 b1 b2 ··· bK−1 bK
Effectifs nk | n1 | n2 | ··· | nK k n
Fréquences fk | f1 | f2 | ··· | fK k 1
Eff. cum. Nk 0 N1 N2 ··· NK−1 n
Fréq. cum. Fk 0 F1 F2 ··· FK−1 1
Amplitudes ak | a1 | a2 | ··· | aK k
Densités dk | d1 | d2 | ··· | dK k

42
 • On trace un axe horizontal portant le nom de la variable et on y
positionne les bornes des classes après avoir choisi une échelle (l’axe
est orienté).

• Sur l’axe vertical, on place les densités après avoir choisi une échelle
(l’axe est orienté).

• Pour chaque modalité, on trace un rectangle de hauteur correspondant

à sa densité de fréquence et de largeur correspondant à son amplitude.

Notons que la surface de chaque rectangle, égale à la largeur multipliée

par la hauteur (donc ici l’amplitude multipliée par la densité), représente
la fréquence associée à chaque classe.

43
Distribution cumulée: graphe de la fonction de répartition empirique
,→graphe linéaire par morceaux

• On trace un axe horizontal portant le nom de la variable et on y place

les bornes des classes après avoir choisi une échelle (l’axe est
orienté).

• Sur l’axe vertical, on place les fréquences cumulées en respectant

l’échelle choisie (l’axe est orienté de 0 à 1).

• Au niveau de chaque borne on place un point correspondant à sa

fréquence cumulée.

• On relie les points par des morceaux de droite.

44
4.5) Exemples

Exemple 1: Notes d’étudiants et filières d’étude

Tableau de la distribution (en effectifs et fréquences) de la variable X =

“Filière d’étude” (ou distribution marginale de X, voir chapitre III)

Filière Filière A Filière B Filière C Filière D Total

Effectifs nk 37 25 16 22 100
Fréq. fk (%) 37 25 16 22 100

45
 Diagramme en barres séparées
35
30
25
Fréquences (%)
20
15
10
5
0

A B C D
Filière

46
Exemple 2: Avis sur une mesure gouvernementale

Tableau de la distribution et de la distribution cumulée de X=“Avis”.

Avis Opposé Indifférent Favorable Total

Effectifs nk 689 894 417 2000
Fréquences fk 0.3445 0.447 0.2085 1
Eff. cum. Nk 689 1583 2000
Fréq. cum. Fk 0.3445 0.7915 1

47
 Diagramme en barres juxtaposées
0.5
0.4
0.3
Fréquences
0.2
0.1
0.0

Opposé Indifférent Favorable

Avis

48
 Graphe des fréquences cumulées
1.0

+
0.8

+
Fréquences cumulées
0.6
0.4

+
0.2
0.0

+ Opposé Indifférent Favorable

Avis

49
Exemple 3: Habitants d’une résidence

Tableau de la distribution et de la distribution cumulée de X=“Nbre de

personnes (habitant dans un appartement)”.

Nbre de personnes 0 1 2 3 4 Total

Effectifs nk 1 4 3 2 1 11
Fréquences fk 0.091 0.364 0.273 0.182 0.091 1
Eff. cum. Nk 1 5 8 10 11
Fréq. cum. Fk 0.091 0.455 0.728 0.910 1

50
 Diagramme en batons de la distribution en effectifs
4
3
Effectifs
2
1

0 1 2 3 4
Nb personnes habitant dans un appartement

51
 Graphe de la fonction de répartition
1.0

o
0.8
Fréquences cumulées

o
0.6

o
0.4
0.2

o
0.0

0 1 2 3 4
Nb personnes habitant dans un appartement

52
Exemple 4: Produits d’une grande surface

Tableau de la distribution, de la distribution cumulée de X=“Prix” et des

densités de fréquences (calculées grâce à la formule dk = fk /ak ).

Prix | ]0, 10[ | [10, 15[ | [15,30[ | [30,45[ | [45,150] k Total

Bornes 0 10 15 30 45 150
nk | 110 | 205 | 235 | 70 | 80 k 700
fk (%) | 15.7 | 29.3 | 33.6 | 10.0 | 11.4 k 100
Nk 0 110 315 550 620 700
Fk (%) 0 15.7 45 78.6 88.6 100
ak | 10 | 5 | 15 | 15 | 105 k /
dk | 1.57 | 5.86 | 2.24 | 0.67 | 0.109 k /

53
 Histogramme de la distribution
6
5
Densités de fréquence
4
3
2
1
0

0 50 100 150
Prix

54
 Graphe de la fonction de répartition
100

x
80

x
Fréquences cumulées (%)
60

x
40
20

x
0

0 50 100 150
Prix

55