STATISTIQUES · L1

Fiche de révision : variance, écart-type et dispersion

Variance, écart-type, König-Huygens : les formules se ressemblent et c'est là qu'on se trompe. Cette fiche, tirée de mon cours de stats de L1, les range dans un tableau et les applique sur un exemple calculé.

Statistiques L1 · Chapitre 4 — Les indicateurs de dispersion

Les indicateurs de dispersion

Deux séries peuvent avoir la même moyenne mais un étalement très différent : les indicateurs de dispersion mesurent cet étalement autour de la valeur centrale (variables quantitatives uniquement). Le chapitre présente l'étendue, les écarts absolus, les écarts interquantiles, la variance et l'écart-type (avec leurs propriétés et la décomposition intra/inter), le coefficient de variation et les moments.

StandardNon personnaliséeCours de statistiques L1 · Indicateurs de dispersion

À retenir absolument

  1. L'étendue e=xmax−xmine = x_{max} - x_{min} est simple mais très sensible aux valeurs extrêmes ; les écarts interquantiles sont au contraire des mesures robustes.
  2. La variance est la moyenne des carrés des écarts à la moyenne, et se calcule plus vite avec König-Huygens : V(X)=1n∑nixi2−xˉ2V(X) = \frac{1}{n}\sum n_i x_i^2 - \bar{x}^2.
  3. L'écart-type σX=V(X)\sigma_X = \sqrt{V(X)} s'exprime dans la même unité que les données.
  4. La variance n'est pas linéaire : V(aX+b)=a2V(X)V(aX+b) = a^2 V(X), une translation ne change pas la dispersion.
  5. Variance totale = variance intra (moyenne des variances) + variance inter (variance des moyennes).
  6. Le coefficient de variation CV=σXxˉCV = \frac{\sigma_X}{\bar{x}}, sans unité, permet de comparer des séries de moyennes ou d'unités différentes.

Étendue et écarts absolus

• Étendue : e=xmax−xmine = x_{max} - x_{min}. Peu utilisée car très sensible aux valeurs extrêmes (notes 2 ; 5 ; 6 ; 7 ; 11 ; 20 ; 5 ; 8 ; 10 ; 4 : e=20−2=18e = 20 - 2 = 18 ; si le 20 devient une note ≤ 11, l'étendue tombe à 9). Elle est en revanche invariante par translation : (xn+1)−(x1+1)=xn−x1(x_n + 1) - (x_1 + 1) = x_n - x_1 (un club de natation vieillit d'un an : la moyenne d'âge augmente d'un an, l'étendue ne change pas).
• Écart absolu moyen : moyenne des écarts en valeur absolue à la moyenne, exˉ=1n∑i=1pni∣xi−xˉ∣e_{\bar{x}} = \frac{1}{n}\sum_{i=1}^{p} n_i |x_i - \bar{x}|.
• Écart absolu médian : même chose par rapport à la médiane, eMe=1n∑i=1pni∣xi−Me∣e_{Me} = \frac{1}{n}\sum_{i=1}^{p} n_i |x_i - Me| ; il est moins sensible aux valeurs extrêmes.
• La valeur absolue empêche les écarts positifs et négatifs de se compenser : sans elle, la somme des écarts à la moyenne serait toujours nulle.
• Exemple (10 notes) : xˉ=7,8\bar{x} = 7{,}8, Me=6,5Me = 6{,}5, exˉ=3,56e_{\bar{x}} = 3{,}56 et eMe=3,4e_{Me} = 3{,}4.
Teste-toi Pourquoi met-on une valeur absolue dans l'écart absolu moyen ?
Parce que sans elle les écarts positifs et négatifs se compensent : la somme des écarts à la moyenne est toujours nulle.
Cours de statistiques L1 · Indicateurs de dispersion · p. 1

Écarts interquantiles et boîte à moustaches

Indicateur / observation
Définition / interprétation
Ce que ça dit
Écart interquartile
Q3−Q1Q_3 - Q_1
Contient les 50 % de valeurs centrales
Écart interdécile
D9−D1D_9 - D_1
Contient les 80 % de valeurs centrales
Écart intercentile
C99−C1C_{99} - C_1
Contient les 98 % de valeurs centrales
Boîte : médiane au centre, moustaches de même longueur
Forme de la distribution
Symétrique
Boîte : médiane à gauche du centre, moustache droite plus longue
Forme de la distribution
Étalée à droite
Boîte : médiane à droite du centre, moustache gauche plus longue
Forme de la distribution
Étalée à gauche
Teste-toi Pourquoi dit-on que les écarts interquantiles sont des mesures robustes ?
Parce qu'ils ne dépendent pas des valeurs extrêmes de la série.
Cours de statistiques L1 · Indicateurs de dispersion · p. 2

Méthode : variance par la formule développée

  1. 1. Calculer la moyenne
    Colonne nixin_i x_i, puis xˉ=1n∑nixi\bar{x} = \frac{1}{n}\sum n_i x_i et xˉ2\bar{x}^2 (en classes : remplacer xix_i par les centres cic_i).
  2. 2. Colonnes des carrés
    Ajouter une colonne xi2x_i^2, puis nixi2n_i x_i^2, et en faire la somme.
  3. 3. Moyenne des carrés
    Diviser cette somme par nn.
  4. 4. Retrancher le carré de la moyenne
    V(X)=1n∑nixi2−xˉ2V(X) = \frac{1}{n}\sum n_i x_i^2 - \bar{x}^2, puis σX=V(X)\sigma_X = \sqrt{V(X)}.
Teste-toi En quelle unité s'exprime l'écart-type de salaires en euros ? Et la variance ?
L'écart-type est en euros (même unité que les données) ; la variance est en euros au carré.
Cours de statistiques L1 · Indicateurs de dispersion · p. 5

Exemple : variance d'une série groupée

Données : xix_i = 2 ; 6 ; 9 ; 11 ; 15 avec nin_i = 5 ; 9 ; 4 ; 3 ; 5 (n=26n = 26).
• Étape 1 : nixin_i x_i = 10 ; 54 ; 36 ; 33 ; 75, total 208, donc xˉ=20826=8\bar{x} = \frac{208}{26} = 8 et xˉ2=64\bar{x}^2 = 64.
• Étape 2 : nixi2n_i x_i^2 = 20 ; 324 ; 324 ; 363 ; 1 125, total 2 156.
• Étape 3 : moyenne des carrés 215626≈82,92\frac{2156}{26} \approx 82{,}92.
• Étape 4 : V(X)≈82,92−64=18,92V(X) \approx 82{,}92 - 64 = 18{,}92 et σX≈4,35\sigma_X \approx 4{,}35.
Vérif avec la définition sur une autre série (2 ; 5 ; 7 ; 1 ; 9 ; 13 ; 6 ; 15 ; 8 ; 16) : xˉ=8,2\bar{x} = 8{,}2, ∑(xi−xˉ)2=237,6\sum (x_i - \bar{x})^2 = 237{,}6, donc V=23,76V = 23{,}76 et σ≈4,87\sigma \approx 4{,}87.
Cours de statistiques L1 · Indicateurs de dispersion · p. 5

Propriétés de la variance et décomposition intra / inter

• Positivité : V(X)≥0V(X) \geq 0, et V(X)=0V(X) = 0 seulement si toutes les valeurs sont égales.
• Changement de variable : si Y=aX+bY = aX + b, alors V(Y)=a2V(X)V(Y) = a^2 V(X) et σY=∣a∣ σX\sigma_Y = |a|\,\sigma_X. Hausse de 10 % des salaires : moyenne × 1,1, variance × 1,12=1,211{,}1^2 = 1{,}21, écart-type × 1,1. Prime de 100 € pour tous : variance inchangée.
• Bienaymé-Tchebychev : au moins 75 % des valeurs sont à moins de 2σ2\sigma de la moyenne, au moins 89 % à moins de 3σ3\sigma.
• Décomposition (deux sous-populations) : variance totale = variance intra (moyenne des variances, dispersion à l'intérieur des groupes) + variance inter (variance des moyennes, dispersion entre les groupes).
• Exemple (entreprise à deux établissements, n=175n = 175) : VA≈6 325 556V_A \approx 6\,325\,556, VB≈1 611 947V_B \approx 1\,611\,947 ; intra ≈3 228 041\approx 3\,228\,041, inter ≈377 379\approx 377\,379, totale ≈3 605 420\approx 3\,605\,420. L'essentiel de la dispersion vient des écarts à l'intérieur de chaque établissement (ouvriers vs cadres), pas entre établissements.
Teste-toi On ajoute 100 € à tous les salaires puis on les multiplie par 2. Que devient l'écart-type ?
Il est multiplié par 2 : l'ajout de 100 € ne change rien, la multiplication par 2 multiplie σ\sigma par ∣2∣=2|2| = 2 (et la variance par 4).
Cours de statistiques L1 · Indicateurs de dispersion · p. 5

Coefficient de variation et moments

• Coefficient de variation : CV=σXxˉCV = \frac{\sigma_X}{\bar{x}}, exprimé en %, sans unité : il compare la dispersion de séries de moyennes ou d'unités différentes (euros / dollars).
• Exemple : salaires 1994 (n=200n = 200) : xˉ=2 875\bar{x} = 2\,875 €, σ≈1 088,29\sigma \approx 1\,088{,}29 €, CV≈37,85 %CV \approx 37{,}85\,\% ; 2004 (n=280n = 280) : xˉ≈2 771,43\bar{x} \approx 2\,771{,}43 €, σ≈977,19\sigma \approx 977{,}19 €, CV≈35,26 %CV \approx 35{,}26\,\%. Le CV baisse : la dispersion relative s'est réduite.
• Moment simple d'ordre r : mr=1n∑nixirm_r = \frac{1}{n}\sum n_i x_i^r, avec m0=1m_0 = 1, m1=xˉm_1 = \bar{x}.
• Moment centré d'ordre r : μr=1n∑ni(xi−xˉ)r\mu_r = \frac{1}{n}\sum n_i (x_i - \bar{x})^r, avec μ0=1\mu_0 = 1, μ1=0\mu_1 = 0, μ2=V(X)\mu_2 = V(X).
• Liens : μ2=m2−m12\mu_2 = m_2 - m_1^2 et μ3=m3−3m1m2+2m13\mu_3 = m_3 - 3m_1 m_2 + 2m_1^3. Série −3 ; −2 ; 0 ; 1 ; 3 ; 7 : m1=1m_1 = 1, m2=12m_2 = 12, m3=56m_3 = 56 donc μ2=11\mu_2 = 11 et μ3=56−36+2=22\mu_3 = 56 - 36 + 2 = 22. Les moments servent à mesurer la forme d'une distribution (chapitre 5).
Teste-toi Peut-on comparer directement les écarts-types de salaires en euros et en dollars ?
Non, il faut utiliser le coefficient de variation, qui est sans unité.
Cours de statistiques L1 · Indicateurs de dispersion · p. 7

Retenir König-Huygens

« La variance, c'est la moyenne des carrés moins le carré de la moyenne. » → V(X)=x2‾−xˉ2V(X) = \overline{x^2} - \bar{x}^2. Et pour V(aX+b)V(aX+b) : « le b s'en va, le a se met au carré ».
Cours de statistiques L1 · Indicateurs de dispersion · p. 5

Définitions

Indicateur de dispersion
Indicateur qui mesure l'étalement d'une série quantitative autour de sa valeur centrale ; il est d'autant plus grand que la série est dispersée.
Cours de statistiques L1 · Indicateurs de dispersion · p. 1
Étendue
Écart entre la plus grande et la plus petite observation, e=xmax−xmine = x_{max} - x_{min} ; très sensible aux valeurs extrêmes.
Cours de statistiques L1 · Indicateurs de dispersion · p. 1
Écart absolu moyen
Moyenne des écarts, en valeur absolue, entre les observations et la moyenne.
Cours de statistiques L1 · Indicateurs de dispersion · p. 2
Écart interquartile
Q3−Q1Q_3 - Q_1 : amplitude de l'intervalle contenant les 50 % de valeurs centrales ; mesure robuste.
Cours de statistiques L1 · Indicateurs de dispersion · p. 2
Variance
Moyenne des carrés des écarts à la moyenne, V(X)=1n∑ni(xi−xˉ)2V(X) = \frac{1}{n}\sum n_i (x_i - \bar{x})^2.
Cours de statistiques L1 · Indicateurs de dispersion · p. 4
Écart-type
Racine carrée de la variance, σX=V(X)\sigma_X = \sqrt{V(X)}, exprimé dans la même unité que les données.
Cours de statistiques L1 · Indicateurs de dispersion · p. 4
Variance intra-population
Moyenne (pondérée par les effectifs) des variances des sous-populations : dispersion à l'intérieur des groupes.
Cours de statistiques L1 · Indicateurs de dispersion · p. 6
Variance inter-population
Variance des moyennes des sous-populations autour de la moyenne générale : dispersion entre les groupes.
Cours de statistiques L1 · Indicateurs de dispersion · p. 6
Coefficient de variation
Rapport σXxˉ\frac{\sigma_X}{\bar{x}}, sans unité, exprimé en %, qui mesure la dispersion relative.
Cours de statistiques L1 · Indicateurs de dispersion · p. 7
Moment centré d'ordre r
μr=1n∑ni(xi−xˉ)r\mu_r = \frac{1}{n}\sum n_i (x_i - \bar{x})^r ; le moment centré d'ordre 2 est la variance.
Cours de statistiques L1 · Indicateurs de dispersion · p. 7

Formules

Étendue
e=xmax−xmine = x_{max} - x_{min}
Amplitude totale de la série, dépend uniquement des deux valeurs extrêmes.
Écart absolu moyen
exˉ=1n∑i=1pni∣xi−xˉ∣e_{\bar{x}} = \frac{1}{n}\sum_{i=1}^{p} n_i |x_i - \bar{x}|
Distance moyenne des observations à la moyenne.
Écart absolu médian
eMe=1n∑i=1pni∣xi−Me∣e_{Me} = \frac{1}{n}\sum_{i=1}^{p} n_i |x_i - Me|
Distance moyenne des observations à la médiane, moins sensible aux valeurs extrêmes.
Écarts interquantiles
Q3−Q1Q_3 - Q_1 ; D9−D1D_9 - D_1 ; C99−C1C_{99} - C_1
Amplitude des 50 %, 80 % et 98 % de valeurs centrales.
Variance (définition)
V(X)=1n∑i=1pni(xi−xˉ)2=∑i=1pfi(xi−xˉ)2V(X) = \frac{1}{n}\sum_{i=1}^{p} n_i (x_i - \bar{x})^2 = \sum_{i=1}^{p} f_i (x_i - \bar{x})^2
Moyenne des carrés des écarts à la moyenne (centres cic_i si données en classes).
Formule de König-Huygens
V(X)=1n∑i=1pnixi2−xˉ2V(X) = \frac{1}{n}\sum_{i=1}^{p} n_i x_i^2 - \bar{x}^2
Moyenne des carrés moins carré de la moyenne : souvent plus rapide à calculer.
Écart-type
σX=V(X)\sigma_X = \sqrt{V(X)}
Mesure de dispersion dans la même unité que les données.
Changement de variable
V(aX+b)=a2V(X)V(aX + b) = a^2 V(X) et σaX+b=∣a∣ σX\sigma_{aX+b} = |a|\,\sigma_X
Une translation ne change pas la dispersion ; un facteur multiplicatif agit au carré sur la variance.
Décomposition de la variance
V=n1V1+n2V2n+n1(xˉ1−xˉ)2+n2(xˉ2−xˉ)2nV = \frac{n_1 V_1 + n_2 V_2}{n} + \frac{n_1(\bar{x}_1 - \bar{x})^2 + n_2(\bar{x}_2 - \bar{x})^2}{n}
Variance totale = variance intra (moyenne des variances) + variance inter (variance des moyennes).
Coefficient de variation
CV=σXxˉCV = \frac{\sigma_X}{\bar{x}}
Dispersion relative sans unité, pour comparer des séries de niveaux ou d'unités différents.
Moments simple et centré
mr=1n∑nixirm_r = \frac{1}{n}\sum n_i x_i^r ; μr=1n∑ni(xi−xˉ)r\mu_r = \frac{1}{n}\sum n_i (x_i - \bar{x})^r
m1=xˉm_1 = \bar{x}, μ1=0\mu_1 = 0, μ2=V(X)\mu_2 = V(X) ; servent à décrire la forme de la distribution.
Liens moments centrés / simples
μ2=m2−m12\mu_2 = m_2 - m_1^2 ; μ3=m3−3m1m2+2m13\mu_3 = m_3 - 3m_1 m_2 + 2m_1^3
Permettent de calculer les moments centrés à partir des moments simples.

Pièges de partiel

  • Croire que la variance est linéaire : multiplier les salaires par 1,1 multiplie la variance par 1,211{,}21 (seul l'écart-type est multiplié par 1,1), et ajouter une prime fixe ne change pas la variance.
  • Oublier de soustraire xˉ2\bar{x}^2 dans König-Huygens, ou soustraire xˉ\bar{x} au lieu de xˉ2\bar{x}^2.
  • Pour des données en classes, utiliser les bornes au lieu des centres cic_i dans le calcul de la variance.
  • Comparer les écarts-types de séries de moyennes ou d'unités différentes au lieu de comparer les coefficients de variation.
  • Prendre la variance totale pour la seule moyenne des variances des groupes : il faut ajouter la variance inter (variance des moyennes).

Mini-quiz

Q1 Énonce la formule développée de la variance et traduis-la en une phrase.
V(X)=1n∑nixi2−xˉ2V(X) = \frac{1}{n}\sum n_i x_i^2 - \bar{x}^2 : la variance est la moyenne des carrés moins le carré de la moyenne.
Q2 Soit Y=3X−5Y = 3X - 5 avec V(X)=4V(X) = 4. Calcule V(Y)V(Y) et σY\sigma_Y.
V(Y)=32×4=36V(Y) = 3^2 \times 4 = 36 et σY=3×2=6\sigma_Y = 3 \times 2 = 6 ; le −5 ne change pas la dispersion.
Q3 Pourquoi l'écart interquartile est-il préféré à l'étendue en présence de valeurs extrêmes ?
L'étendue dépend uniquement des valeurs extrêmes, alors que l'écart interquartile Q3−Q1Q_3 - Q_1 porte sur les 50 % de valeurs centrales : c'est une mesure robuste.
Q4 Entre 1994 et 2004, le CV des salaires passe de 37,85 % à 35,26 %. Interprète.
La dispersion relative des salaires (écart-type rapporté à la moyenne) s'est réduite.
Q5 Dans une entreprise, la variance intra vaut environ 3 228 041 et la variance inter 377 379. Que vaut la variance totale et que conclure ?
Environ 3 605 420 ; l'essentiel de la dispersion vient des écarts à l'intérieur de chaque établissement, pas des écarts entre établissements.

Fiche faite par l'outil SBE Hub à partir de mon cours au propre (8pages). Ton cours peut présenter les choses un peu différemment : la meilleure fiche, c'est celle de ton cours.

Ta fiche, à partir de ton cours à toi.

Importe ton cours ou prends-le en photo : même mise en forme, adaptée à ta façon d'apprendre, et en PDF. 3 fiches offertes à l'inscription.

Créer ma fiche gratuitement →