Aller au contenu principal
📊 L1 • Économie Disponible

Statistiques descriptives L1 : décrire, calculer et interpréter

Moyennes, médiane, variance, écart-type, représentations graphiques, tableaux croisés.

1 QCM disponible 15 Questions dans les QCM

Banque publiée de la matière : 15 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

QCM de 15 questions avec corrections détaillées en Statistiques Descriptives (L1). Thèmes abordés : Tendance Centrale, Dispersion, Quantiles, Representations Graphiques, Concentration.

15 questions Intermédiaire Jusqu'à 30 XP
Révision Challenge Examen
Voir ce QCM

Présentation de Statistiques descriptives

Les Statistiques descriptives en Licence 1 enseignent les méthodes de résumé et de visualisation des données. Vous apprendrez à calculer les mesures de position (moyenne, médiane, mode) et de dispersion (variance, écart-type), à construire des graphiques pertinents et à analyser des distributions. Socle pour les statistiques inférentielles en L2.

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.

Mesures de tendance centrale : moyenne, médiane, mode
Mesures de dispersion : variance, écart-type
Représentations graphiques et distributions
Tableaux croisés et analyse bivariée
Corrélation et covariance
Introduction aux probabilités

Compétences visées en Statistiques descriptives

  • Choisir un indicateur et un graphique selon la nature de la variable.
  • Calculer moyenne pondérée, médiane, variance et écart-type en explicitant les conventions.
  • Comparer deux distributions sans confondre position, dispersion et association.
  • Justifier une conclusion statistique et repérer ce que les données ne permettent pas d’affirmer.

1. Définir les données avant de chercher une formule

La statistique descriptive organise et résume des observations. En L1 économie, elle sert notamment à lire une distribution de revenus, comparer des prix ou décrire une population active. Elle ne permet pas, à elle seule, de généraliser un résultat à une population non observée : cette étape relève de l’inférence et exige des hypothèses sur le recueil des données. Avant un calcul, précisez l’unité statistique, la population étudiée, la période, la variable et son unité de mesure.

Une variable qualitative nominale, comme le secteur d’activité, classe sans ordonner ; une variable ordinale possède un ordre, mais les écarts entre catégories ne sont pas nécessairement mesurables. Une variable quantitative discrète dénombre, tandis qu’une variable continue mesure sur un intervalle. Le codage numérique de catégories ne les transforme pas en quantités : la moyenne de codes de professions n’a pas d’interprétation économique. À chaque modalité correspondent un effectif et une fréquence ; la somme des fréquences vaut 1 lorsque les catégories couvrent toute la population sans chevauchement.

2. Moyenne, médiane et mode ne répondent pas à la même question

La moyenne arithmétique répartit le total observé à parts égales entre les individus : $\bar{x}=\frac{1}{n}\sum_{i=1}^{n}x_i$. Si une valeur $x_j$ apparaît $n_j$ fois, la moyenne pondérée s’écrit $\bar{x}=\frac{\sum_j n_jx_j}{\sum_j n_j}$. On ne fait donc pas la moyenne simple de moyennes de groupes dont les effectifs diffèrent. Pour des classes, remplacer les observations par les centres de classes fournit généralement une approximation, pas le résultat exact sur les données individuelles.

La médiane se détermine après classement. Pour un effectif impair, on retient la valeur centrale ; pour un effectif pair, la convention usuelle prend la moyenne des deux valeurs centrales. Les conventions de quantiles peuvent différer entre logiciels et cours : annoncez celle que vous utilisez. Le mode est la valeur ou catégorie la plus fréquente. Pour un revenu très asymétrique, moyenne et médiane décrivent des aspects différents : une minorité de revenus élevés tire la moyenne vers le haut sans déplacer autant la médiane. Aucun indicateur n’est systématiquement « meilleur » indépendamment de la question.

3. Mesurer la dispersion et contrôler les unités

Deux distributions peuvent avoir la même moyenne sans présenter la même dispersion. Pour décrire les n observations disponibles, la variance est $v=\frac{1}{n}\sum_{i=1}^{n}(x_i-\bar{x})^2$. Les écarts sont élevés au carré pour éviter leur compensation ; la variance s’exprime donc dans le carré de l’unité initiale. L’écart-type $\sigma=\sqrt{v}$ revient à l’unité des données. La formule équivalente $v=\frac{1}{n}\sum_i x_i^2-\bar{x}^2$ simplifie certains calculs, à condition de ne pas arrondir prématurément.

Il faut distinguer cette variance descriptive de la variance corrigée $s^2=\frac{1}{n-1}\sum_i(x_i-\bar{x})^2$, utilisée comme estimateur sans biais de la variance d’une population sous les hypothèses usuelles d’échantillonnage indépendant. Le dénominateur n−1 ne remplace pas automatiquement n dans tous les exercices. L’étendue dépend fortement des extrêmes ; l’écart interquartile décrit la dispersion des valeurs centrales. Le coefficient de variation rapporte l’écart-type à la moyenne : son interprétation exige une moyenne positive, non proche de zéro, et une échelle dont le zéro a un sens.

4. Exemple corrigé : cinq durées d’attente

On observe les durées fictives suivantes, en minutes : 2, 4, 4, 6 et 9. Étape 1 : la série est déjà ordonnée et son effectif vaut 5. Le total est 25 ; la moyenne vaut donc 5 minutes. La valeur centrale est 4 : c’est la médiane. La valeur 4 apparaît deux fois, davantage que les autres : c’est également le mode. La durée de 9 minutes contribue à rendre la moyenne supérieure à la médiane.

Étape 2 : les écarts à la moyenne sont −3, −1, −1, 1 et 4. Leurs carrés donnent 9 + 1 + 1 + 1 + 16 = 28. La variance descriptive vaut $v=28/5=5{,}6\ \text{min}^2$ et l’écart-type $\sigma=\sqrt{5{,}6}\approx2{,}37\ \text{min}$. Avec la formule de König-Huygens, la somme des carrés des observations vaut 153 : 153/5 − 25 donne aussi 5,6. En revanche, la variance corrigée vaudrait 28/4 = 7 ; c’est une autre convention, à identifier dans l’énoncé.

Étape 3 : rédigez une interprétation, pas seulement une suite de nombres. L’attente moyenne est de 5 minutes ; la durée centrale observée est de 4 minutes et la série présente une dispersion d’environ 2,37 minutes autour de la moyenne, mesurée par l’écart-type. Celui-ci n’est ni la moyenne des écarts absolus ni une borne garantissant que toutes les attentes restent dans un intervalle. Sans information supplémentaire, ces cinq observations ne justifient pas une conclusion sur tous les clients du magasin.

5. Construire un graphique qui respecte la variable

Un diagramme en barres compare des catégories ou des valeurs discrètes. Dans un histogramme, des rectangles adjacents représentent des classes quantitatives. Lorsque les classes ont des amplitudes différentes, c’est leur aire qui doit être proportionnelle à l’effectif ou à la fréquence : la hauteur représente une densité. Comparer directement les hauteurs sans regarder la largeur peut inverser le diagnostic. Une boîte à moustaches facilite la comparaison des médianes et des dispersions, mais les règles de construction des moustaches doivent être précisées.

Dans un tableau croisé, distinguez fréquence jointe, fréquence marginale et fréquence conditionnelle. « Parmi les salariés, quelle part travaille à temps partiel ? » impose comme dénominateur le nombre de salariés, et non la population totale. Deux pourcentages calculés sur des bases différentes ne se comparent pas sans précaution. Lisez aussi les valeurs manquantes et la taille des groupes : une proportion très élevée sur un groupe minuscule n’a pas le même poids dans le total qu’une proportion plus faible sur un groupe important.

6. Corrélation, évolution et concentration : trois diagnostics distincts

Pour deux variables quantitatives, un nuage de points montre la forme de leur association. La covariance décrit le sens de la co-variation ; le coefficient de corrélation linéaire la standardise : $r=\operatorname{cov}(X,Y)/(\sigma_X\sigma_Y)$, si les deux écarts-types sont non nuls. Une corrélation nulle n’exclut pas une relation non linéaire, et une corrélation élevée ne démontre pas un effet causal. Un facteur commun, une causalité inverse ou une sélection des observations peuvent produire l’association.

Pour les évolutions, le taux de variation est une variation relative rapportée à la valeur initiale non nulle. Une hausse de 10 % suivie d’une baisse de 10 % donne un coefficient cumulé 1,10 × 0,90 = 0,99, soit une baisse de 1 %. Les indices base 100 facilitent la lecture temporelle ; la courbe de Lorenz et l’indice de Gini répondent à une autre question, celle de la concentration d’une grandeur. Pour les revenus non négatifs, Lorenz ordonne les individus du plus faible au plus fort revenu et compare parts cumulées de population et de revenu. Un même Gini peut correspondre à des distributions différentes.

7. Une méthode de résolution et les erreurs à éviter

Pour chaque exercice, commencez par écrire ce qui est observé, puis ce qui est demandé. Identifiez le dénominateur, le type de variable, l’éventuelle pondération et la convention de variance ou de quantile. Posez ensuite la formule avec ses symboles définis, remplacez par les données et gardez les valeurs intermédiaires précises. Terminez par l’unité et une phrase d’interprétation. Un contrôle simple détecte beaucoup d’erreurs : une moyenne à poids positifs doit rester entre le minimum et le maximum ; une variance ne peut pas être négative.

Les pièges fréquents sont la moyenne de pourcentages sans leurs effectifs, l’oubli du classement avant la médiane, la confusion entre écart-type et variance, ou l’addition de taux successifs. L’entraînement proposé sert à vérifier ces raisonnements ; il ne remplace pas les conventions de votre cours. Après une mauvaise réponse, recalculer l’exemple en changeant une observation aide à comprendre la sensibilité de l’indicateur plutôt qu’à mémoriser une valeur.

Questions de cours

Pourquoi une moyenne de moyennes peut-elle être fausse ?

Chaque moyenne de groupe représente un effectif. Il faut la pondérer par cet effectif avant de diviser par le total. Une moyenne simple convient si les groupes ont la même taille, ou si une autre pondération est explicitement l’objet de l’analyse.

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

Pour résumer la série observée, la variance descriptive utilise n. Pour estimer sans biais la variance d’une population avec un échantillon indépendant dans le cadre usuel, la variance corrigée utilise n−1. L’énoncé et la convention du cours déterminent le choix.

Pourquoi les hauteurs d’un histogramme ne sont-elles pas toujours des fréquences ?

Quand les classes ont des largeurs différentes, la fréquence doit être représentée par l’aire du rectangle. La hauteur est alors une densité, égale à la fréquence divisée par l’amplitude de classe.

Une corrélation nulle prouve-t-elle l’indépendance ?

Non. Elle indique l’absence de liaison linéaire mesurée par ce coefficient, lorsque celui-ci est défini. Une relation non linéaire peut subsister ; l’indépendance est une propriété plus forte.

Fiches pour approfondir Statistiques descriptives

Bibliographie recommandée en Statistiques descriptives

Ouvrages de référence utilisés dans les universités françaises pour Licence 1

Économétrie

• Dunod •

ISBN : 978-2100779406

Statistiques et économétrie

• Economica •

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.