Initiation aux statistiques descriptives : cours

Mathieu Loiseau
Semestre 2, anne universitaire 2009-2010
Table des matires
1 Vocabulaire de base 5
1.1 Statistiques descriptives et infrentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Population . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Echantillon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Variables ou caractres statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.1 Variables quantitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4.2 Variables qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.3 Variables dpendantes et indpendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Eectif et frquence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5.1 Exemple : une tude sur ltat matrimonial des salaris de la socit X . . . . . . . . . . . . . 7
1.6 Eectifs cumuls croissants et dcroissants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7 Srie statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Paramtres caractristiques dune variable : paramtres de position 8
2.1 Mode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Moyenne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Moyenne arithmtique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.2 Moyenne pondre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.3 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Mdiane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.1 Calcul de mdiane pour des donnes non rparties en classes . . . . . . . . . . . . . . . . . . 9
2.3.2 Calcul de mdiane pour des donnes rparties en classe . . . . . . . . . . . . . . . . . . . . . 10
3 Paramtres caractristiques dune variable : paramtres de dispersion 11
3.1 Etendue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Quantiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2.1 Quartiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2.2 Dciles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Indicateurs de dispersion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3.1 Variance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.3.2 Ecart-type . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4 Reprsentations graphiques 14
2
4.1 Reprsentation deectifs/frquences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.1.1 Variables qualitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.1.2 Variables quantitatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2 Diagramme de Tukey . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.3 Statistique deux variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5 Quelques lments de mthodologie denqute 17
5.1 Avant le questionnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.2 Types de question . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2.1 Fait et opinion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2.2 Questions ouvertes et fermes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.2.3 Types de question et ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.3 Recommandations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.3.1 Favoriser lexpression personnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.3.2 viter les erreurs techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.4 La passation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.5 Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.5.1 Les non-rponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.5.2 Recodage des rponses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5.5.3 Prsentation des tableaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3
Ce document est en grande partie celui produit par Anahita Basirat,
des actualisations ont cependant eu lieu et l.
4
Chapitre 1
Vocabulaire de base
1.1 Statistiques descriptives et infrentielles
Il sagit dorganiser et rsumer des observations. Le but est de dcrire lchantillon. Les statistiques infrentielles
servent tendre la population les rsultats ainsi obtenus. [Dancey & Reidy, 2007, p. 54]
1.2 Population
La population dsigne un ensemble dunits statistiques. Les units statistiques, aussi appeles individus, sont les
entits abstraites qui reprsentent des personnes, des animaux ou des objets. La statistique sert dcrire lensemble
des units statistiques qui composent la population.
1.3 Echantillon
Lorsque la population est trop importante, on tudie un chantillon, cest--dire un sous-ensemble, beaucoup plus
petit, de la population. Lchantillon doit tre bien choisi pour pouvoir reprsenter la population.
1.4 Variables ou caractres statistiques
Un individu donn de la population peut tre tudi selon certaines proprits. Ces proprites sont appeles caractres
ou variables statistiques.
Exemple : Une tude sur les tudiants de luniversit Stendhal peut porter sur les direntes variables : leur ge, leur sexe,
leur nationalit, leur moyenne de lanne, etc.
1.4.1 Variables quantitatives
Une surface, un revenu moyen ou un ge sont des variables quantitatives. Elles peuvent tre exprimes selon une
unit de mesure et peuvent tre compares entre elles, additionnes, faire lobjet de calculs de moyenne, [...] etc.
[Muller, 1973, p. 5].
a) Variables discrtes et continues
Sur un intervalle donn, les valeurs que peut prendre une variable quantitative discrte sont dnombrables (ex : nombre
denfants dun mnage). Au contraire, une variable quantitative continue peut prendre toutes les valeurs lintrieur
dun intervalle (ex : taille). En eet, entre une personne mesurant 160cm et 161cm, on peut imaginer une innit de
valeurs (ce qui nexiste pas entre 1 et 2 enfants par exemple). Ce sont la prcision des instruments de mesure et les
conventions qui font que la taille est traite comme une variable discrte.
5
b) Classes
Pour pouvoir dcrire des variables continues, il est parfois ncessaire de les discrtiser , cest dire les rpartir en
classes : des intervalles de valeurs successifs. Les classes peuvent tre dnies en fonction du nombre de classe que
lon veut obtenir ou selon une amplitude xe
1
[Veysseyre, 2006, p. 9].
Lamplitude dune classe est alors la dirence entre la borne suprieure et la borne infrieure de lintervalle dni :
soit [a; b[ une classe dune variable quantitative, on dit que b a est lamplitude de cette classe.
Exemple : La taille dun chantillon dtudiants en CP peut tre classe en moins dun mtre, [1; 1.20] mtre, plus de 1.20
mtre. Lamplitude de la seconde classe est 20 cm.
1.4.2 Variables qualitatives
Une variable qualitative est une variable qui ne prend pas de valeur numrique (elles ne rpondent pas une question
combien mais une question est-ce que ) [Muller, 1973, p. 5].
Exemple : sexe, nationalit.
a) Modalits
Chaque variable qualitative a plusieurs modalits, ce sont lensemble des valeurs que la variable peut prendre.
Exemple : pour la variable sexe, les modalits sont masculin / fminin.
b) Variables ordinales
Une variable qualitative ordinale prend des valeurs qui sont ordonnes, hirarchises. On peut classer les modalits
les unes par rapport aux autres mais on ne peut pas dire partir de cet ordre de combien est la dirence entre
deux modalits.
Exemple : Les rponses un sondage, du type pas du tout , un peu , assez , beaucoup Vronis [2003].
1.4.3 Variables dpendantes et indpendantes
La statistique descriptive est un pr-requis la statistique infrentielle, dans laquelle on applique des mthodes
statistiques pour infres des proprits dune population partir dun chantillon. La statistique permet de croiser
des donnes pour tester des hypothses. Dans ces cas l, une hypothse consiste souvent valuer lexistence de
leet dune variable indpendante, que lexprimentateur fera varier sur une variable dpendante qui sera value. La
description du comportement de ces deux variables sera primordial pour interprter les rsultats et leurs consquences
sur les hypothses testes.
Exemple : On peut par exemple vouloir expliquer la taille des individus dune population selon leur ge (exemple tir de
Wikipedia [2010]). Dans ce cas l, la variable indpendante est lge et la variable dpendante est la taille. Les deux variables
pourront tre dcrites conjointement (cf. section 4.3 p. 16).
a) Variable parasite et variable de contrle
Quand le but est de mesurer leet dune variable indpendante sur une variable dpendante, il faudrait avoir des
groupes de sujets quivalents en tous points hormis les dirences induites par les modalits de la variable ind-
pendante. En d ?autres termes, il faudrait manipuler une variable indpendante et matriser toutes les autres. Les
1. Direntes mthodes ont t dnies pour eectuer une bonne discrtisation . Voir par exemple :
http://www.info.univ-angers.fr/~gh/wstat/discr.php.
6
variables indpendantes matriser ou variable parasites (VP) sont trs nombreuses et souvent inconnues. Ainsi on
essaie de contrler les variables parasites dont le chercheur sait ou prsume l ?eet sur la variable dpendante. Les
variables parasites frquemment contrles sont :
Les caractristiques du sujets : le sexe, l ?ge, appartenance religieuse, politique ou culturelle ;
Variable exprimentateur : lorsque plusieurs exprimentateurs recueillent des donnes, lorsque le sujet fait
plusieurs tches ou plus gnralement appartient plusieurs groupes exprimentaux.
Les variables parasites contrles s ?appellent variables contrles. Wikipedia [2010].
1.5 Eectif et frquence
Leectif dune valeur donne dune variable est le nombre dindividus pour lesquelles la variable considre prend la
valeur en question. Leectif total est la somme de tous les eectifs dune variable.
La frquence dune valeur donne est le rapport de leectif correspondant leectif total. La frquence totale est
toujours gale 1.
1.5.1 Exemple : une tude sur ltat matrimonial des salaris de la socit X
Population : salaris de la socit X.
Unit statistique (individu) : chaque salari de la societ X.
Variable (caractre) tudie : tat matrimonial avec 4 modalits : clibataire, pacs ou mari, veuf, divorc.
Eectif : leectif de la modalit clibataire = n
c
, pacs ou mari = n
p/m
, veuf = n
v
, divorc = n
d
.
Eectif total : N = n
c
+n
p/m
+n
v
+n
d
.
Frquence : frquence de la modalit clibataire =
n
c
N
, pacs ou mari =
n
p/m
N
, veuf =
n
v
N
, divorc =
n
d
N
.
Frquence totale =
n
c
+n
p/m
+n
v
+n
d
N
=
N
N
= 1.
1.6 Eectifs cumuls croissants et dcroissants
Note sur 20 < 5 [5; 10[ [10; 12[ [12; 15[ [15; 17[ [17; 20]
Eectif 2 3 7 5 3 1
Frquence 0.09 0.14 0.33 0.24 0.14 0.05
Eectif cumul croissant 2 5 12 17 20 21
Eectif cumul dcroissant 21 19 16 9 4 1
Table 1.1: Exemple deectif cumul : notes dune population de 21 tudiants.
Quand les modalits ou les classes dune variable sont ranges dans lordre croissant (resp. dcroissant), les eectifs
cumuls croissants (resp. dcroissants) dune valeur sobtiennent en ajoutant chaque eectif les eectifs des valeurs
qui la prcdent. Les frquences cumules sobtiennent en divisant les eectifs cumuls par leectif total.
1.7 Srie statistique
Une srie statistique est la suite des observations dune (ou plusieurs) variable(s), releves sur les individus dune
population.
Exemple : Les notes des tudiants prsentes dans le tableau 1.1 sous forme de classes. Elles auraient pu tre reprsentes
sous-forme dune liste dobservations (notes) classes dans lordre croissant.
Note sur 20 2 4 5 7, 5 9, 5 10 10 10, 5 11 11 11, 5
11, 5 12 12 12, 5 13 14 15 15, 5 16, 5 19
Table 1.2: Exemple de srie statistique classe dans lordre croissant.
7
Chapitre 2
Paramtres caractristiques dune
variable : paramtres de position
Les paramtres de position (ou de tendance centrale) permettent de savoir autour de quelles valeurs se situent les
valeurs dune variable statistique.
2.1 Mode
Pour une variable discrte, le mode est la modalit qui reprsente le plus grand eectif.
Exemple : sur la gure 2.1, le mode est espagnol .
LV2 allemand allemand allemand anglais anglais espagnol espagnol espagnol
espagnol espagnol italien italien italien portugais russe tagalog
Table 2.1: Exemple de srie statistique pour une variable discrte (qualitative ici).
Pour une variable quantitative continue, o la probabilit que chaque modalit napparaisse quune fois est suprieure
(du fait quil existe une innit de modalits), on a recours des classes modales : cest la classe dont leectif est
maximum.
Exemple : Dans le tableau 1.1, la classe modale est la classe [10 ;12[.
2.2 Moyenne
2.2.1 Moyenne arithmtique
La moyenne arithmtique dune srie statistique est la somme des valeurs divise par le nombre total des valeurs.
Par exemple, la moyenne de lanne est la somme des notes de tous les examens divise par le nombre dexamen. La
moyen de X se calcule par x =
x
1
+x
2
++x
N
N
. Dans cette formule, x
1
, x
2
, , x
N
sont les notes et N est le nombre
total des notes.
2.2.2 Moyenne pondre
Lorsque les valeurs sont aectes de coecients (ici deectifs), on parle de moyenne pondre (voir tableau 2.2).
La moyenne pondre de X se calcule de la manire suivante :
x =
n
1
x
1
+n
2
x
2
++n
N
x
N
n
1
+n
2
++n
N
Dans cette formule, n
1
, n
2
, , n
N
sont les eectifs correspondants aux modalits x
1
, x
2
, , x
N
.
8
Qualit de service Eectif Produit n
i
x
i
1 1 1
2 3 6
3 5 15
4 2 8
5 1 5
total 12 35
Table 2.2: Moyenne de la variable qualit de service (Q
S
) : Q
S
=
35
12
= 2.9
2.2.3 Proprits
1. Considrons une srie statistique S
1
de modalits x
1
, x
2
, , x
N
avec des eectifs n
1
, n
2
, , n
N
de moyenne
x et la srie statistique S
2
de modalits y
1
, y
2
, , y
N
avec des eectifs n
1
, n
2
, , n
N
telle que pour tout i
appartenant {1, 2, , N} : y
i
= ax
i
+b. Alors la moyenne de la srie statistique S
2
est : y = ax +b.
Exemple : La moyenne de notes dune classe de 22 tudiants est 12.5. En ajoutant 0.5 point toutes les notes, on
obtient une moyenne de 13.
2. Soient S
1
et S
2
deux sries statistiques deectifs totaux respectifs N
1
et N
2
et de moyennes respectives x
1
et x
2
. Alors la moyenne de la srie S regroupant les deux sries S1 et S2 est : x =
N
1
x
1
+N
2
x
2
N
1
+N
2
. Cela revient
dire que la moyenne de plusieurs groupes correspond la moyenne pondre des moyennes pour chaque groupe
(pondre selon les eectifs des groupes).
Exemple : La moyenne de notes dune classe de 22 tudiants est 12.5 et celle dune classe de 18 tudiants est 13.2.
La note moyenne de ces deux classes est :
x =
2212.5+1813.2
22+18
= 12.81.
3. La moyenne nest pas toujours un indicateur prcis, elle est sensible aux valeurs extrmes.
Exemple : Dans un groupe de TD, 5 tudiants obtiennent 9, 5 au partiel et un tudiant 18, 5. La moyenne du groupe
est de 11
1
et pourtant seul un tudiant a valid le module correspondant...
2.3 Mdiane
La mdiane (M
e
) est la valeur, observe ou possible, dans la srie des donnes classes par ordre croissant (ou
dcroissant) qui partage cette srie en deux parties comprenant exactement le mme nombre de donnes de part et
dautre de M
e
[Veysseyre, 2006, p. 15].
Exemple : Soit la srie statistiques suivante : 15, 7, 22, 4, 12, 30, 9, 18, 6. Pour dterminer la mdiane, il faut ordonner la
srie : 4, 6, 7, 9, 12, 15, 18, 22, 30. La mdiane est le 12 car dans cette srie, il y a 4 nombres infrieure et 4 suprieure de 12.
2.3.1 Calcul de mdiane pour des donnes non rparties en classes
Si leectif total est impair (2n+1), la mdiane est parfaitement dtermine : la modalit correspondant n+1. Il
sagit dune valeur observe.
Exemple : Dans le tableau 2.3, une tude sur le nombre denfant dune chantillon de 51 individus (225+1) est prsente.
La mdiane est la modalit "1 enfant" qui correspond au foyer 26.
Si leectif total est pair (2n), on ne peut pas dnir prcisment la mdiane : on peut prendre pour valeur mdiane,
indiremment lune ou lautre des valeurs centrales ou nimporte quelle valeur intermdiaire entre ces deux valeurs,
par exemple, la moyenne arithmtique de ces deux valeurs, mais, dans ces conditions, ce nest pas une valeur observe
[Veysseyre, 2006, p. 15].
1. note =
59,5+18,5
6
9
Nombre denfants 0 1 2 3 4
Eectif 20 16 10 5 0
Eectif cumul croissant 20 36 46 51 51
Table 2.3: Calcul de mdiane en utilisant les eectifs cumuls croissants : cas dune variable discrte
Exemple : Une srie reprsentant les notes dune classe : 15, 7, 20, 4, 12, 20, 9, 18, 6, 4 (srie ordonne : 4, 4, 6, 7, 9, 12,
15, 18, 20, 20), lintervalle mdian est 9 et 12. Dans ce cas l, une acception de la mdiane est
9+12
2
= 10, 5. Il ne sagit pas
dune valeur observe.
2.3.2 Calcul de mdiane pour des donnes rparties en classe
Pour une variable continue, on dtermine la classe mdiane de mme faon que pour une variable discrte en utilisant
les eectifs cumuls. Exemple : dans le tableau 1.1, la classe mdiane est la classe [10 ;12[. On dtermine la mdiane
au sein dune classe par linterpolation linaire.
Soit une tude sur la note dune population de 50 tudiants (tableau 2.4) Levy [2010]. Daprs la colonne "eectif
cumul", 18 personnes ont moins de 8 et 30 personnes ont moins de 12. La mdiane se trouve donc dans lintervalle
[8 ;12[.
Notes Eectifs Eectifs cumuls
[0; 5[ 10 10
[5; 8[ 8 18
[8; 12[ 12 30
[12; 15[ 11 41
[15; 20] 9 50
Table 2.4: Calcul de mdiane en utilisant les eectifs cumuls croissants : cas dune variable continue
Sur la gure 2.1, les points A, X, B sont aligns et les droites AX, BX et AB ont le mme coecient directeur (la
pente est la mme). Le coecient directeur dune droite est dtermin par deux de ces points.
Figure 2.1: Calcul de mdiane pour une variable continue. En abscisse : eectifs cumuls et en ordonne : notes.
Le coecient directeur de la droite AB se calcule par :
m =
y
B
y
A
x
B
x
A
Pour trouver la valeur M
e
, on peut calculer m
AX
et m
AB
et rsoudre la rgle de trois suivante :
m
AX
= m
AB
donc
M
e
8
2518
=
128
3018
La mdiane M
e
est donc 10.33. Cela signie que environ 50% des personnes ont eu moins de 10.33 et 50% plus de
10.33 (il sagit nouveau dune valeur non observe, cependant dans ce cas prcis nous navons pas le dtail des
valeurs observes puisque nous navons que les classes).
10
Chapitre 3
Paramtres caractristiques dune
variable : paramtres de dispersion
Les paramtres de dispersion donnent des informations sur la rpartition des valeurs autour de la valeur centrale de
rfrence.
3.1 Etendue
Ltendue dune srie statistique quantitative est la dirence entre la plus grande valeur de la variable (discrte ou
continue) et la plus petite valeur. Exemple, dans le tableau 1.2, ltendue est 19 2 = 17.
3.2 Quantiles
Pour dcrire des sries statistiques, le concept de mdiane est adapt non plus pour sparer les mesures en 2 sous-
ensembles, mais en k. On appelle ces mesures quantiles . Si k = 4 on parle de quartile.
3.2.1 Quartiles
Veysseyre dnit les quartiles de la manire suivante :
Pour k = 4, les quantiles, appels quartiles, sont trois nombres Q1, Q2, Q3 tels que :
25% des valeurs prises par la srie sont infrieures Q1 ;
25% des valeurs prises par la srie sont suprieures Q3 ;
Q2 est la mdiane M
e
;
Q3 Q1 est lintervalle interquartile, il contient 50% des valeurs de la srie.

[Veysseyre, 2006, p. 18]

Exemple : Levy [2010] : La srie ordonne par ordre croissant S a 12 termes :
S = {11, 12, 13, 15, 16, 16, 17, 17, 18, 19, 20, 22}
Rang 1 2 3 4 5 6 7 8 9 10 11 12
Srie 11 12 13 15 16 16 17 17 18 19 20 22
Table 3.1: Calcule des quartiles
Un quart (25%) des donnes correspond : 12 0.25 = 3. Le premier quartile est alors la plus petite valeur Q1 pour laquelle
les valeurs de 3 termes de la srie sont infrieurs ou gales Q1. Le premier quartile est donc la valeur du 3me terme de la
srie cest--dire 13
1
.
1. Notez quil existe dautres mthodes de calcules des quartiles et dciles :
http://www.math.unicaen.fr/irem/stat/quartile.pdf
11
Trois quarts (75%) des donnes correspondent : 12 0.75 = 9. Le troisime quartile est alors la plus petite valeur Q3 pour
laquelle les valeurs de 9 termes de la srie sont infrieurs ou gales Q3. Le troisime quartile est donc la valeur du 9me
terme de la srie cest--dire 18.
Lintervalle interquartile est [13 ;18]. Lcart interquartile est 18-13 = 5.
3.2.2 Dciles
Quand k = 10, les quantiles sont appels dciles.
Le premier dcile dune srie la plus petite valeur D1 des termes de la srie pour laquelle au moins un dixime
(10%) des donnes sont infrieures ou gales D1 ;
le neuvime dcile (D9) dune srie est la plus petite valeur des termes de la srie pour laquelle au moins neuf
diximes (90%) des donnes sont infrieures ou gales D9 ;
lintervalle interdcile est [D1 ;D9] ;
lcart interdcile est le nombre D9-D1.
Exemple : Levy [2010] : La srie ordonne par ordre croissant S a 11 termes :
S = {1500, 1650, 1700, 1800, 1850, 2000, 2100, 2300, 2500, 2650, 2700}
Rang 1 2 3 4 5 6 7 8 9 10 11
Srie 1500 1650 1700 1800 1850 2000 2100 2300 2500 2650 2700
Table 3.2: Calcule des dciles
Un dixime (10%) des donnes correspond : 110.10 = 1.1. Le premier dcile est alors la plus petite valeur D1 pour laquelle
les valeurs de 2 termes ( 2 1.1) de la srie sont infrieurs ou gales D1. Le premier dcile est donc la valeur du 2me terme
de la srie cest--dire 1650.
Neuf diximes (90%) des donnes correspondent : 11 0.9 = 9.9. Le neuvime dcile est alors la plus petite valeur D9 pour
laquelle les valeurs de 10 termes (10 9.9) de la srie sont infrieurs ou gales D9. Le neuvime dcile est donc la valeur
du 10me terme cest--dire 2650.
Lintervalle interdcile est [1650 ;2650]. Lcart interdcile est 2650 - 1650 = 1000.
3.3 Indicateurs de dispersion
3.3.1 Variance
La variance est un indicateur de la dispersion dune srie par rapport sa moyenne. La dnition de la variance dune
srie statistiques est donne par la formule :
V (x) =
1
N

N
i=1
n
i
(x
i
x)
2
=
1
N

N
i=1
n
i
x
2
i
x
2
V (x) dsigne la variance des n valeurs associes aux n units statistiques de la population et x est la moyenne de
ces units statistiques.
3.3.2 Ecart-type
La dnition de lcart-type dune srie est donne par la formule : (x) =

V (x). Si lcart-type est faible, cela

signie que les valeurs sont assez concentres autour de la moyenne et si lcart-type est lev, cela veut dire au
contraire que les valeurs sont plus disperses autour de la moyenne.
Exemple : Dans une usine, le fait davoir un cart-type aussi bas que possible peut constituer un objectif de contrle
de qualit. Soit une entreprise qui fabrique un certain composant et quun des lments du contrle de la qualit consiste
mesurer le diamtre du composant. Chaque composant aura donc son diamtre mesur. On calculera ensuite le diamtre
12
moyen, puis lcart-type. Si lcart-type est faible, cela signie que les pices ont dans lensemble un diamtre proche de la
moyenne, donc que leur diamtre se ressemble. la limite, un cart-type nul signie que toute les pices ont le mme diamtre.
Inversement, plus lcart-type est lev, plus il y a de pices dont le diamtre scarte de la moyenne et qui risque de ne pas
cadrer avec le systme auxquelles elles sont destines. [Mazerolle, 2010, p. 2829]
a) Proprit
Considrons une srie statistique S
1
de modalits x
1
, x
2
, , x
N
aectes des eectifs n
1
, n
2
, , n
N
dcart-type
(x), et la srie statistique S
2
de modalits y
1
, y
2
, , y
N
aectes des mme eectifs n
1
, n
2
, , n
N
telle que pour
tout i appartenant {1, 2,..., N} : yi = axi +b. Alors : lcart-type de la srie statistique S
2
est : (y) = |a| (x).
13
Chapitre 4
Reprsentations graphiques
4.1 Reprsentation deectifs/frquences
Pour obtenir une meilleure comprhension de la rpartition des valeurs dune variable donne dune srie, plusieurs
types de diagrammes existent. Le choix de quel type de diagramme utiliser dpend directement du type de variable
dont il sagit.
4.1.1 Variables qualitatives
Diagramme en barre : dans ce diagramme, les modalits de la variable sont places sur une droite horizontale et
les eectifs (ou les frquences) sont placs sur un axe vertical. La hauteur de la barre est proportionnelle leectif
(gure 4.1). Les barres ont une certaine paisseur pour quil ny ait pas de confusion avec les diagrammes en btons
rservs des variables quantitatives discrtes (gure 4.3).
Feuille1
Page 1
Moyen de transport privilgi Effectifs
Vlo 8
Pieds 5
Automobile 18
Bus 11
Tram 22
Autres 4
Vlo Pieds Automobile Bus Tram Autres
0
5
10
15
20
25
Moyen de transport privilgi
E
f
f
e
c
t
i
f
s
Figure 4.1: Diagramme en barre (Moyen de transport privilgi par une population dtudiants donnes ctives)
Diagramme circulaire ou camembert : Leectif total est reprsent par un disque. Chaque modalit est reprsente
par un secteur circulaire dont la surface (pratiquement : langle au centre) est proportionnelle leectif correspondant
(gure 4.2).
Langle de chaque modalit se calcule par :
eectif de la modalit
eectif total
360

4.1.2 Variables quantitatives

Diagramme en btons : Les valeurs discrtes x
i
prises par les variables sont places sur laxe des abscisses, et les
eectifs (ou les frquences) sur laxe des ordonnes. La hauteur du bton est proportionnelle leectif (gure 4.3).
14
Feuille1
Page 1
Moyen de transport privilgi Effectifs
Vlo 8
Pieds 5
Automobile 18
Bus 11
Tram 22
Autres 4
12%
7%
26%
16%
32%
6%
Vlo
Pieds
Automobile
Bus
Tram
Autres
Figure 4.2: Diagramme circulaire (Moyen de transport privilgi par une population dtudiants donnes ctives)
Feuille1
Page 1
Nombre de sries suivies assidument Effectifs
0 8
1 5
2 7
3 5
4 3
5 1
6 1
0 1 2 3 4 5 6
0
1
2
3
4
5
6
7
8
9
Nombre de sries suivies assidment
E
f
f
e
c
t
i
f
s
Figure 4.3: Diagramme en btons (Nombre de sries suivies assidment par un population donnes ctives).
Histogramme : on utilise lhistogramme pour les variables classes. Cest un ensemble de rectangles. Chaque rectangle
est associ une classe et il a une surface proportionnelle leectif (ou frquence) de cette classe.
Amplitudes gaux : Si les classes ont la mme amplitude, on reporte en ordonne leectif (ou frquence) des
classes (voir gure 4.4 gauche).
Amplitudes diverses : si les amplitudes sont direntes, on reporte en ordonne la densit d
i
(eectif divis par
lamplitude de la classe) pour que la surface de chaque rectangle soit proportionnelle leectif (ou frquence)
(voir gure 4.4 droite).
Figure 4.4: Exemples dhistogrammes. A gauche : des classes de mme amplitude et droite : des classes de
direntes amplitudes (gures extraites de Janvier et al. [2002]).
4.2 Diagramme de Tukey
Les diagrammes de Tukey (ou botes moustaches ou bote pattes) permettent de reprsenter sur une mme gure
des intervalles. En rgle gnrale, on indique les valeurs extrmes, les 1er et (k 1)
e
quantiles (Q1 et Q3 pour les
quartiles, D1 et D9 pour les dciles, etc.) et ventuellement la mdiane dune srie (gure 4.5).
15
Feuille1
Page 1
Nom Devoir1 Devoir2 Devoir3
etu1 8 13 13
etu2 16 4 1
etu3 14 8 14
etu4 6 13 5
etu5 9 19 8
etu6 11 10 6
etu7 8 11 9
etu8 13 15 5
etu9 12 9 7
etu10 9 12 12
etu11 10 12 7
etu12 11 18 6
etu13 16 13 7
etu14 14 13 10
etu15 8 17 7
etu16 16 9 4
etu17 10 14 5
etu18 9 16 9
etu19 11 15,5 7
etu20 11 19 12
etu21 11 18 4
etu22 11 18 5
etu23 14 10 7
etu24 15 15 4
etu25 14 15 4
etu26 8 12 5
etu27 15 19 11
etu28 12 9 4
etu29 11 12 9
Moyenne 11,48 13,4 7,14
Mdiane 11 13 7
Q1 9 11 5
min 6 4 1
max 16 19 14
Q3 13 16 8
0
2
4
6
8
10
12
14
16
18
20
0
2
4
6
8
10
12
14
16
18
20
Figure 4.5: Exemple de boite moustaches reprsentant les rsultats dune classe pour 3 devoirs successifs
Un tutoriel pour raliser des diagrammes de Tukey dans OpenOce est disponible ladresse suivante :
http://msp.aclyon3.free.fr/spip/IMG/pdf/bam_calc.pdf
4.3 Statistique deux variables
Lorsque lon veux dcrire deux variables, on pourra avoir recours un nuage de points. La variable indpendante est
reprsente en abscisse et la variable dpendante en ordonne. Reprenons lexemple propos dans la section 1.4.3
(p. 6). Lge sera donc reprsent en abscisse et la taille en ordonne. La gure 4.6 reprsente un nuage de points
pour ce problme.
2010 J Gaudart, LERTIM, Facult de Mdecine Marseille 11
filles
30
50
70
90
110
130
150
170
190
0 50 100 150 200 250
TAILLE(cm)
AGE(mois)
!"#$%&%#
Figure 4.6: Taille en fonction de lge (lles), tir de Gaudart [2010]
16
Chapitre 5
Quelques lments de mthodologie
denqute
Ces conseils sont issus, pour lessentiel, de Ghiglione & Matalon [1978]; de Singly [1992, 2008]
1
. Il dcrit la m-
thodologie de lenqute du point de vue de la sociologie ; dans ce cadre elle a pour objectif de produire de la
connaissance, lenqute par questionnaire ne se situe pas un niveau exclusivement empirique. Elle engage un point
de vue thorique, une vision du monde selon laquelle le social est dtermin socialement. [de Singly, 1992, p. 22].
Il dcompose une enqute en quatre temps qui sinuencent les uns et les autres :
Toute enqute a [...] des biais invitables. Un questionnaire ne dcrit jamais exhaustivement une
pratique et, lorsquil approche trop prcisment cette activit, les donnes seront ensuite regroupes,
recodes pour viter lparpillement et rendre possible lanalyse statistique. Le rel auquel renvoie lobjet
de lenqute est soumis quatre principales transformations qui constituent les temps de la recherche :
la dlimitation opre par la dnition de lobjet ; la slection des lments jugs pertinents au travers
des questions ; le tri par lactivit de codage et de recodage des informations recueillies ; la lecture dune
partie seulement des donnes. Lenqute est un long jeu de construction.
[de Singly, 1992, p. 21]
5.1 Avant le questionnaire
Selon [de Singly, 1992, p. 33] (ou [de Singly, 2008, p. 30]), lavant-questionnaire doit permettre deectuer plusieurs
tches :
lire ce qui a t crit auparavant sur le thme tudi ;
couter ce que les acteurs sociaux disent de leurs propres pratiques ;
laborer progressivement une problmatique.
Cest pourquoi, un questionnaire suit souvent une srie dentretiens, comme le font remarquer Ghiglione et Matalon :
Il est habituel de considrer quune enqute complte doit commencer par une phase qualitative, sous la forme den-
tretiens non directifs ou structurs, suivie dune phase quantitative, lapplication dun questionnaire un chantillon
permettant une infrence statistique au cours de laquelle on vrie les hypothses labores au cours de la premire
phase et on les complte par des renseignement chirs. [Ghiglione & Matalon, 1978, p. 93]
Dans le cadre du projet que vous allez mener, il ne vous est pas demand deectuer un travail de sociologue,
dautant plus forte raison que vous naurez pas le temps de mener de front toutes ces activits. Il vous est
cependant demand de choisir une thmatique pour vos questions et de lexpliciter dans votre rapport an
quelle soit claire pour le lecteur. Vous prendrez galement soin de spcier les objectifs de votre questionnaire
entre (cf. [Ghiglione, 1987, p. 150]) :
estimer ;
dcrire ;
vrier.
Nota Bene 5.1: Projet
1. Pour un point de vue moins triqu que celui propos ici, vous pouvez commencer par [Ghiglione & Matalon, 1978, pp. 93138].
17
5.2 Types de question
5.2.1 Fait et opinion
Dans un questionnaire, il convient de faire la dirence entre question de fait et question dopinion. De Singly dnit
par lexemple les deux notions [de Singly, 2008, p. 64] :
Combien de temps avez-vous passez lire un livre hier ? est une question de fait ;
Aimez-vous lire un livre ? est une question dopinion.
Il est important de savoir quel type de question vous tes en train de poser. En eet, selon les objectifs de ltude,
certaines critiques peuvent tre exprimes envers les questions dopinion. Pour Bourdieu, Un des eets les plus
pernicieux de lenqute dopinion consiste prcisment mettre les gens en demeure de rpondre des questions
quils ne se sont pas poses [Bourdieu, 2002, p. 226]. Nous pouvons galement mentionner les commentaires de
Lebaron :
Parmi les principales critiques que lon peut adresser aux questions dopinion, je citerai seulement ici :
le caractre trs particulier des chantillons prlevs compte tenu de limportance actuelle des refus de
rponse ; les rpondants eectifs sont de tous les rpondants potentiels les mieux disposs lgard de
lenqute et du thme abord ;
limportance des non-rponses ; elle est rduite dans les conditions actuelles de saisie informatise, mais
elle fournit un indicateur de la distance lenqute qui caractrise beaucoup denquts ;
la signication fragile de nombreuses rponses qui sont en quelque sorte arraches aux enquts, en
particulier lorsque les questions ne font pas sens pour eux ou crent une situation articielle (de type
scolaire ou administrative)
dune manire plus gnrale, toute forme de surinterprtation repose sur ce que lon peut appeler
lethnocentrisme savant : on prte aux enquts un raisonnement, des intrts, une perspective qui
sont ceux de lenquteur.

[Lebaron, 2006, p. 58]

Cependant, les questions de fait ne sont pas vierges dapproximations :
une question de fait ne doit pas demander aux personnes interroges plus de prcisions quelles ne peuvent en
donner [de Singly, 1992, pp. 6364] ;
les individus sont beaucoup moins conscients de leurs pratiques quon ne le prsuppose gnralement. Aussi
rpondent-ils par approximation, mme des questions de faits [de Singly, 1992, p. 64].
5.2.2 Questions ouvertes et fermes
Dans un questionnaire, on aura recours soit des questions ouvertes, auxquelles lutilisateur est libre de donner la
rponse quil souhaite, soit des questions fermes, pour lesquelles des rponses potentielles lui sont proposes.
Le choix du recours (principal) aux questions ouvertes ou fermes rsulte en partie des objectifs de lenqute mene.
Au-del des problmes de cot, la stratgie denqute face aux questions ouvertes et aux questions
fermes renvoie donc deux types denqute, lune plus centre sur le test dhypothses prcises, lautre
plus attentive la complexit du rel. Quelle que soit loption retenue, le questionnaire comprend une
majorit de questions fermes qui seront amliores si ces deux procdures sont adoptes :
1. [entretiens pralables pour catgories mentales et mots utiliss] ;
2. Prvoir, dans la liste des rponses, une catgorie autres avec de la place pour ces rponses libres
imprvues.
Lorsque, au moment du dpouillement, il y a beaucoup de rponses autres, sont cres de nouvelles
catgories. Mais cette technique nest pas idale, car rien ne garantit que la libert de proposer des
rponses autres puisse tre approprie galement pour tous les individus. Cette solution est surtout
intressante lorsque les questionnaires sont remplis par les personnes interroges elles-mmes.
[de Singly, 1992, p. 69]
a) Terminologie : questions semi-fermes
Par convention, pour parler de questions fermes munies dune catgorie autres , nous parlerons de questions
semi-fermes .
18
b) Dicults lies aux questions ouvertes
Pour pouvoir eectuer une analyse quantitative des donnes, les questions ouvertes peuvent poser problme : les
personnes interroges peuvent fournir des indications peu utiles. En eet, lusage des questions ouvertes enseigne que
nombre de rponses peuvent tre oues, incodables. [de Singly, 1992, p. 67]
En eet, une analyse statistique ncessite un codage des donnes, lattribution de catgories selon les rponses
apportes aux questions. Sans une prparation adquate (cf. 5.1 p. 17), il nest pas toujours possible de proposer
des rponses aux enquts, sans introduire de lourds biais, cependant la dcision davoir recours des questions
ouvertes doit tre motive.
5.2.3 Types de question et ordre
Selon le type de question, on aura intrt les placer en dbut ou en n dtude. Ghiglione et Matalon suggrent par
exemple de commencer par des questions ouvertes sous-peine de voir les sujets se contenter de rponses minimales
quand ils parviennent ces questions : En principe, il y a avantage regrouper toutes les questions portant
explicitement sur le mme thme. Sinon le sujet pourra avoir limpression quon ressasse, quon lui demande quelque
chose quil a dj dit, quon tourne en rond. Toutefois, lorsquil sagit de questions dopinions, de prfrences,
dattitudes, etc., il est parfois ncessaire de passer outre cette recommandation pour viter que les rponses ne
soient biaises par un souci de cohrence [Ghiglione & Matalon, 1978, p. 99].
5.3 Recommandations
5.3.1 Favoriser lexpression personnelle
Pour plus de dtails voir [de Singly, 2008, pp. 7480].
Le choix des mots introductif est important, quand il sagit dune question dopinion, il est pertinent de le faire
paraitre dans la question par lutilisation dune brve proposition complmentaire du type pensez-vous que ou
mme est-ce que , qui permettent lenqut dtre moins soumis une norme.
Pour que les enquts sexpriment librement, il est important de garantir leur protection , par exemple en expliquant
au dbut de la passation que les informations sont anonymes.
Il est conseill dassurer une certaine cohrence lenqute, en posant les questions qui sy rapporte en premier, puis
celles concernant les dterminants sociaux
2
. Enn, sil y a des questions surprenantes , il est prfrable de les
conserver pour la n.
5.3.2 viter les erreurs techniques
viter les erreurs techniques permettra damliorer la abilit des donnes obtenues
3
.
Ne mettre quune seule question par question, de plus, la question doit tre prcise, ne pas tre sujette
interprtation ;
mnager la mmoire des enquts : tenter, tant que faire ce peut, de limiter le nombre de rponses proposes
chaque question (moins important quand les individus interrogs gardent le questionnaire sous les yeux et peuvent
relire les propositions) ;
pour les questions dopinion, proposer un continuum incluant rponses extrmes (ex : pas du tout daccord,
plutt pas daccord, plutt daccord, tout fait daccord ), il ny a pas de consensus quant savoir si une rponse
centriste (centrale dans le continuum) doit tre propose, car une telle question peut servir de position de
refuge ;
viter ngations et doubles ngations, qui rendent linterprtation des questions (et ultrieurement des rponses...)
dicile ;
maitriser lordre des questions : lordre des questions peut inuencer la manire dont les personnes y rpondent
4
.
2. Il sagit de variables de contrle (cf. a) p. 6) frquemment, pour ne pas dire systmatiquement utilises en sociologie, dont on
sait quelles inuencent souvent les rponses.
3. Pour plus de dtails voir [de Singly, 2008, pp. 8085].
4. Dans une tude ralise en 1983 aux tats-Unis, les rponses la question Pensez-vous que les tats-Unis doivent accepter que des
journalistes communistes originaires dautres pays viennent ici et envoient chez eux des articles sur ce quils ont vu ? taient radicalement
direntes selon que la question Pensez-vous quun pays communiste comme la Russie doit accepter des journalistes amricains venir
l-bas et envoyer aux tats-Unis des papiers sur ce quils ont vu ? tait pose avant ou aprs elle... [de Singly, 2008, p. 83]
19
5.4 La passation
Pour assurer la cohrence des rsultats les conditions de passation doivent rester identiques :
[Cela] impose que ce soit le mme questionnaire exactement qui soit pos toutes les personnes inter-
roges. Une fois que le travail sur le terrain est commenc, il est donc exclu dapporter des modications
quelconques lnonc des questions ou leur ordre, mme su lon est convaincu quil sagit damlio-
ration importantes, mme si lon sest rendu compte derreurs graves. Dans ce dernier cas, il faudrait,
dans lidal, recommencer entirement lenqute avec le questionnaire corrig, et considrer les premiers
sujets interrogs comme nuls. Si lon ne dispose pas de susamment de moyens ou de temps pour cela,
on poursuivra avec une version corrige, mais en sachant que certaines questions navaient t poses
qu une partie de la population, et que tous les dpouillements dans lesquels elles devaient intervenir ne
pourraient se faire que sur ce demi-groupe de sujets.
[...]
Cest pour la mme raison de maintien de la constance des conditions de passation quil ne faut pas que
lenquteur se trouve oblig dexpliquer certaines questions une partie des sujets. Le questionnaire doit
tre conu de telle sorte quil ny ait aucun besoin dexplications autres que celles qui sont explicitement
prvues.
[Ghiglione & Matalon, 1978, pp. 9596]
5.5 Analyse
5.5.1 Les non-rponses
Lanalyse des non-rponses est crucial. Pour [Bourdieu, 2002, p. 225], le fait de les ignorer introduit un biais. Pour
Mucchielli, les non rponses peuvent avoir dirents sens ou direntes utilits [Mucchielli, 1990, p. 53] :
non rponses dans des questionnaires remplis :
Ignorance relle du thme de la question par le sujet interrog. Il se peut que ce soit justement un des objectifs
de lenqute que de mesurer si les individus du groupe reprsentant lUnivers de lenqute,... savent ou non,...
peuvent dnir ou non,... comprennent ou non... quelque chose.
Refus de sengager dans une rponse ferme ou dans les rponses prvues, et ceci peut avoir un sens. Dans
certains cas, on peut y voir une attitude dopposition.
Fuite de la rponse, car la question a veill inquitude ou mance. Nous avons dj signal laugmentation du
nombre des sans-rponses aux questions dopinion ou dattitude, lorsquelles sont poses de faon directe.
Incomprhension de la question et refuge dans la non-rponse.
lanalyse du non renvoi du questionnaire :
sert tablir les caractristiques de lchantillon touch ;
peut mener la dtermination des caractristiques des non rpondants peut mener la mise en place denqutes
complmentaires ;
peut servir de base des calculs statistiques dextrapolation.
5.5.2 Recodage des rponses
Une analyse qualitative et une catgorisation des rponses ouvertes est ncessaire pour eectuer un traitement
quantitatif. Le recodage des rponses doit avoir lieu aprs avoir eu toutes les rponses. Dans le cas du recodage dun
type de rponse rcurrent (par exemple un le codage dune chelle allant de pas du tout daccord tout fait
daccord en nombres de 1 4), il faut sassurer que le mme codage est utilis pour toutes les questions qui y ont
recours.
5.5.3 Prsentation des tableaux
Comme pour les graphiques contenant plusieurs variables (cf. 4.3 p. 16), la variable indpendante doit tre dispose
en ligne et la variable dpendante en colonne
5
.
5. Pour plus dinformations, voir [de Singly, 2008, pp. 9398].
20
Bibliographie
[Blanchet et al., 1987] Alain Blanchet, Rodolphe Ghiglione, Jean Massonnat & Alain Trognon (1987). Les
techniques denqute en sciences sociales : observer, interviewer, questionner. Dunod. ISBN : 2-04-016901-6.
[Bourdieu, 2002] Pierre Bourdieu (2002). Lopinion publique nexiste pas. Expos Noroit (Arras) (janvier 1972).
Cf. Questions de sociologie, pages 222235. Les ditions de minuit. ISBN : 2-7073-1825-6.
[Dancey & Reidy, 2007] Christine P. Dancey & John Reidy (2007). Statistiques sans maths pour psychologues.
Ouvertures Psychologiques. De Boeck. ISBN : 978-2-8041-5384-7, ISSN : 1376-2273.
[de Singly, 1992] Franois de Singly (1992). Lenqute et ses mthodes : le questionnaire. sociologie 128. Nathan
Universit. ISBN : 209-190-567-4.
[de Singly, 2008] Franois de Singly (2008). Le questionnaire. Lenqute et ses mthodes. Armand Colin, 2
e
dition
refondue. ISBN : 209-190-567-4.
[Gaudart, 2010] Jean Gaudart (2010). Principe de la rgression linaire.
url : http://cybertim.timone.univ-mrs.fr/enseignement/doc-enseignement/statistiques/RL/
docpeda_fichier.
[Ghiglione, 1987] Rodolphe Ghiglione (1987). Questionner, pages 127182. (Chapitre de Blanchet et al. [1987]).
[Ghiglione & Matalon, 1978] Rodolphe Ghiglione & Benjamin Matalon (1978). Les enqutes sociologiques :
thories et pratiques. Armand Colin. ISBN : 2-200-31046-3.
[Janvier et al., 2002] Michel Janvier, Frdrique Kazi-Aoual, Mahmoud Hakim, Youss Elkettani, Martine
Marco, Vincent Guijarro, Mireille Bachelot, Jean-Christophe Hamon, Csar Goemine, Thomas Me,
Henri Gwet & Aude Burgos (2002). Statistique descriptive. Techniques de la statistique.
url : http://www.agro-montpellier.fr/cnam-lr/statnet/cours.htm.
[Lebaron, 2006] Frdric Lebaron (2006). Lenqute quantitative en sciences sociales recueil et analyse des
donnes. Psychologie Sociale. Dunod. ISBN : 2-10-048933-X.
[Levy, 2010] Jacques Levy. Math web. (2010).
url : http://jellevy.yellis.net/.
[Mazerolle, 2010] Fabrice Mazerolle (2010). Statistique descriptive, chapitre 3 : Statistiques permettant de rsumer
une srie.
url : http://www.mazerolle.fr/Statistique-descriptive/PlanHTML/statschapitre3.htm.
[Mucchielli, 1990] Roger Mucchielli (1990). Le questionnaire dans lenqute psycho-sociale. Formation permanente
en sciences humaines. ESF, 9e dition. ISBN : 2-7101-0761-9.
[Muller, 1973] Charles Muller (1973). Initiation aux mthodes de la statistique linguistique. Numro 32 in
Unichamp. Champion, rdition 1992. ISBN : 2-85203-270-8.
[Vronis, 2003] Jean Vronis. Informatique et statistiques (chapitre 2.). (2003).
url : http://sites.univ-provence.fr/veronis/cours/INFZ16/index.html.
[Veysseyre, 2006] Rene Veysseyre (2006). Statistique et probabilit pour lingnieur. Lusine nouvelle. Dunod, 2
e
dition. ISBN : 2-10-049994-7.
[Wikipedia, 2010] Wikipdia (fr) (2010). Hypothse statistique.
url : http://fr.wikipedia.org/w/index.php?title=Hypoth%C3%A8se_statistique&oldid=45000342.
21