Aller au contenu principal
📐 L1 • Data / Économétrie avancée Disponible

Résumer une distribution économique sans effacer ses différences

Tendance centrale, dispersion, distributions, indices, tableaux croisés, corrélation et représentations graphiques.

1 QCM disponible 20 Questions dans les QCM

Banque publiée de la matière : 20 questions au total. Les compteurs ci-dessus concernent les QCM listés sur cette page. Explorer aussi les fiches notions et leurs entraînements.

Commencer à réviser

Choisis un QCM et tes scores s'enregistreront automatiquement.

← Toutes les matières L1
🤖 Auto Disponible

QCM statistiques-descriptives L1 - Distributions, indices et inégalités

QCM de 20 questions avec corrections détaillées sur Distributions, indices et inégalités (statistiques-descriptives). Révisez efficacement avec des explications pédagogiques pour le niveau L1.

20 questions Intermédiaire Jusqu'à 40 XP
Révision Challenge Examen
Voir ce QCM

Présentation de Statistiques descriptives

Les Statistiques descriptives en Licence 1 apprennent à résumer et représenter les données : mesures de tendance centrale (moyenne, médiane, mode), de dispersion (variance, écart-type, étendue, quartiles), distributions de fréquences, indices et taux de variation, tableaux croisés, covariance et coefficient de corrélation. Première étape incontournable de toute analyse quantitative en économie et data science.

Objectifs pédagogiques

Maîtriser les outils de description et de synthèse des données : tableaux, représentations graphiques, paramètres de position et de dispersion, afin de résumer et d'interpréter rigoureusement un jeu de données économiques avant toute modélisation.

Auteurs de référence en Statistiques descriptives

Les penseurs et théoriciens incontournables abordés dans nos QCM et dans les programmes universitaires.

Bernard Py Gilbert Saporta Jean-Marie Bouroche Maurice Lethielleux

Notions et périmètre de Statistiques descriptives en Licence 1

Repères de cours pour situer la matière. Le contenu de chaque questionnaire est précisé sur sa page ; confrontez ce périmètre à votre propre cours.

Variables qualitatives et quantitatives, échelles de mesure
Tableaux de fréquences et représentations graphiques
Paramètres de position : moyenne, médiane, mode, quantiles
Paramètres de dispersion : variance, écart-type, coefficient de variation
Indices de concentration (Gini, courbe de Lorenz)
Statistiques bivariées : covariance, corrélation
Indices et taux de variation

Compétences visées en Statistiques descriptives

  • Choisir des indicateurs adaptés au type de variable.
  • Calculer moyenne, dispersion et concentration.
  • Interpréter covariance, corrélation et tableaux croisés.
  • Composer correctement des taux de variation.

Définir l’observation et l’échelle de mesure

La statistique descriptive organise un ensemble d’observations avant toute généralisation. Il faut d’abord définir la population, la période et l’unité statistique : salarié, ménage, entreprise ou transaction. Une même base peut contenir plusieurs lignes par personne, de sorte que compter les lignes ne revient pas toujours à compter les individus. Le revenu individuel et le niveau de vie du ménage ne répondent pas à la même question. Cette définition initiale conditionne le choix des poids et la portée de tous les indicateurs suivants.

Une variable qualitative nominale classe sans ordre, comme un secteur d’activité ; une variable ordinale introduit un ordre, comme une catégorie de satisfaction. Une variable quantitative exprime une quantité discrète ou continue. Calculer une moyenne sur des codes arbitraires de secteurs n’a aucun sens, même si le logiciel l’autorise. Pour les montants, préciser devise, périodicité et correction éventuelle des prix. Les valeurs absentes doivent être distinguées des zéros, car un revenu non renseigné n’est pas un revenu nul.

Fréquences et quantiles décrivent la répartition

La fréquence d’une modalité est son effectif divisé par l’effectif total retenu. Un tableau de fréquences doit donc préciser si les non-réponses sont exclues du dénominateur ou constituent une catégorie. Les fréquences cumulées concernent une variable ordonnée : elles indiquent la part située au-dessous d’une valeur. Pour une variable continue regroupée en classes, on perd l’information à l’intérieur des intervalles. Un histogramme à classes inégales doit utiliser des hauteurs proportionnelles aux fréquences divisées par les largeurs pour que les aires restent interprétables.

La médiane partage la distribution ordonnée en deux parties ; pour un effectif pair, on utilise souvent la moyenne des deux valeurs centrales. Les quartiles et déciles détaillent cette répartition. Plusieurs conventions d’interpolation coexistent dans les logiciels, surtout visibles sur de petits échantillons : il faut annoncer celle qui est utilisée si la valeur exacte importe. Une médiane de revenu résiste mieux qu’une moyenne à quelques valeurs très élevées, mais ne résume pas les mêmes aspects. Présenter les deux permet souvent de rendre l’asymétrie plus lisible.

Position et dispersion doivent être lues ensemble

La moyenne arithmétique est la somme des valeurs divisée par leur nombre. Avec des poids, on divise la somme des produits poids-valeur par la somme des poids. Une moyenne nationale ne se calcule donc pas généralement comme une moyenne simple des moyennes régionales. La variance descriptive utilise la moyenne des carrés des écarts à la moyenne, avec le diviseur n. L’estimation sans biais d’une variance de population emploie souvent n − 1 dans un autre cadre : les deux conventions ne doivent pas être mélangées.

L’écart-type est la racine carrée de la variance et retrouve l’unité de la variable. L’écart interquartile mesure l’étendue de la moitié centrale et se montre moins sensible aux extrêmes. Le coefficient de variation rapporte écart-type à moyenne ; il est surtout pertinent pour une grandeur positive avec une origine significative et devient instable près d’une moyenne nulle. Deux populations de même moyenne peuvent avoir des dispersions très différentes. Une hausse du revenu moyen peut également coexister avec une stagnation de la médiane si les gains sont concentrés en haut de distribution.

Liaisons entre variables et indices temporels

Un tableau croisé met en relation deux variables qualitatives. Les pourcentages en ligne et en colonne utilisent des dénominateurs différents ; il faut choisir selon la question. Pour deux variables quantitatives, la covariance mesure le sens d’une association linéaire et dépend de leurs unités. La corrélation de Pearson la divise par le produit des écarts-types et se situe entre −1 et 1 lorsque ceux-ci sont non nuls. Une corrélation nulle n’exclut pas une relation non linéaire, et une corrélation élevée ne démontre pas une causalité.

Un indice base 100 rapporte la valeur courante à une valeur de référence, puis multiplie ce rapport par 100. Le taux de variation entre deux dates est la différence divisée par la valeur initiale. Les taux successifs se composent par multiplication des coefficients multiplicateurs, non par addition. Une hausse de 20 % suivie d’une baisse de 20 % laisse 1,20 × 0,80 = 0,96 de la valeur initiale, soit une baisse totale de 4 %. Les indices agrégés exigent en outre des poids explicites, notamment lorsqu’on combine plusieurs prix.

Exemple calculé : quatre revenus et leur concentration

Quatre personnes fictives reçoivent respectivement 1 000, 1 000, 2 000 et 4 000 euros mensuels. Le total vaut 8 000 euros, la moyenne 2 000 euros et la médiane 1 500 euros selon la convention des deux valeurs centrales. Les écarts à la moyenne sont −1 000, −1 000, 0 et 2 000. La variance descriptive vaut donc (1 000 000 + 1 000 000 + 0 + 4 000 000)/4 = 1 500 000 euros au carré ; l’écart-type est environ 1 225 euros.

La courbe de Lorenz classe les personnes du revenu le plus faible au plus élevé. Aux parts cumulées de population 0, 0,25, 0,50, 0,75 et 1 correspondent les parts cumulées de revenu 0, 0,125, 0,25, 0,50 et 1. L’aire sous la courbe, calculée par trapèzes, vaut 0,015625 + 0,046875 + 0,09375 + 0,1875 = 0,34375. Le coefficient de Gini non corrigé est un moins deux fois cette aire, donc 0,3125.

Ce coefficient est sans unité et ne dit pas quel niveau de revenu est disponible. Doubler les quatre revenus conserverait le même Gini tout en doublant moyenne et médiane. Son calcul suppose ici des revenus non négatifs et un total positif ; des revenus négatifs compliquent l’interprétation habituelle de Lorenz. Sur un petit échantillon, certaines formules appliquent aussi une correction de taille : annoncer la convention évite de considérer deux résultats différents comme nécessairement contradictoires.

Méthode : construire un portrait statistique cohérent

Commencer par contrôler les identifiants, les unités et les valeurs impossibles. Établir ensuite les effectifs et les non-réponses avant de calculer les indicateurs. Pour une grandeur asymétrique, associer moyenne, médiane, quantiles et représentation de la distribution ; pour une catégorie, privilégier effectifs et proportions. Vérifier que les poids correspondent à la population cible et ne sont pas appliqués deux fois. Un indicateur de concentration complète la dispersion, mais ne remplace pas la description des niveaux.

Lors d’une comparaison temporelle ou territoriale, rechercher les changements de composition : une moyenne peut varier parce que les individus changent, même si chaque sous-groupe reste stable. Comparer les groupes séparément aide à comprendre ces effets. Refaire un calcul sur quelques valeurs à la main permet de vérifier la convention du logiciel, notamment pour variance et quantiles. Enfin, séparer la description du fichier observé de toute affirmation sur une population plus large. Cette dernière étape relève de l’inférence et demande des hypothèses d’échantillonnage supplémentaires.

Questions de cours

Pourquoi moyenne et médiane peuvent-elles être éloignées ?

La moyenne réagit aux valeurs extrêmes, tandis que la médiane dépend de l’ordre central. Une longue queue de revenus élevés tire souvent la moyenne au-dessus de la médiane.

Faut-il diviser la variance par n ou par n − 1 ?

Pour décrire les valeurs observées avec leur moyenne empirique, on utilise souvent n. Pour estimer sans biais une variance de population sous échantillonnage approprié, on utilise n − 1.

Le Gini mesure-t-il la pauvreté ?

Il mesure une concentration relative. Des distributions de niveaux très différents peuvent avoir le même Gini ; la pauvreté demande d’autres définitions et indicateurs.

Peut-on additionner deux taux de croissance ?

Pas exactement. On multiplie les facteurs un plus chaque taux, puis on soustrait un. L’addition n’est qu’une approximation pour de faibles variations.

Fiches pour approfondir Statistiques descriptives

Bibliographie recommandée en Statistiques descriptives

Ouvrages de référence utilisés dans les universités françaises pour Licence 1

Statistique descriptive

• Economica •

ISBN : 978-2717865882

Probabilités, analyse des données et statistique

• Technip •

ISBN : 978-2710809807

Statistique descriptive

• Dunod •

ISBN : 978-2100790487

Ces lectures éclairent le périmètre traité. Le contenu est à confronter au cours de votre établissement ; il ne constitue pas un programme officiel.

Comment réviser Statistiques descriptives efficacement ?

Relire le cours

Commencez par relire vos notes et le manuel de référence pour rafraîchir les concepts clés.

Mode Révision

Utilisez le mode Révision avec les indices et corrections détaillées pour tester vos connaissances.

Mode Examen

Une fois prêt, passez en mode Examen pour vous évaluer dans les conditions réelles.