INTRODUCTION

Vous avez dcid d'tre partie prenante

d'une tude, la prsente formation est
destine vous donner les informations
ncessaires et susceptibles de vous aider
la raliser.
Chaque tude est place sous la
responsabilit d'un membre dune quipe de
travail qui est alors un "chef de projet".
Chap. 6 - 1

Rflexions pralables
ltude
- FORMULATION DU PROBLEME
- ETUDES ET ANALYSES PRELIMINAIRES
- PROJET DETUDE
- LE CHEF DE PROJET
- DEROULEMENT DE LETUDE
Chap. 6 - 2

FORMULATION DU
PROBLEME
- Analyse du problme rsoudre
- Dfinition des objectifs de ltude
- Formulation des questions dtudes

Chap. 6 - 3

Analyse du problme
rsoudre
- Lancement dun nouveau produit :
chances de russite ;
- Quel prix retenir pour le lancement ?
- Etude de notorit ;
- Etude de satisfaction ;
- Etude des attitudes et de comportement ;
- tude de lefficacit dune campagne
publicitaire ;
Chap. 6 - 4

Dfinition des objectifs de

ltude
- Caractristiques du produit ;
- Prix ;
- Concurrence ;
- Critres de satisfaction ;
- Frquences dachat ;
- Comportement dachat ;

Chap. 6 - 5

Formulation des questions

dtudes
- Mesurer les intentions dachats ;
- Estimer les volumes des ventes ;
- Comparer les prix des concurrents ;
- Mesurer le degr de satisfaction ;
- Mesurer la rgularit des actes dachat ;

Chap. 6 - 6

ETUDES ET ANALYSES
PRELIMINAIRES
Identifier les informations ncessaires
Rechercher les informations
disponibles

Chap. 6 - 7

Identifier les informations

ncessaires
-

Environnement micro conomique

Environnement macro conomique

Chap. 6 - 8

Rechercher les
informations disponibles
- Etude documentaire
sources internes / externes
Sources publiques
Sources professionnelles et associatives
Sources commerciales prives
- Rencontres et discussions
Entreprises
Distributeurs
clients
Chap. 6 - 9

PROJET DETUDE
- Objectifs de ltude ;
- Choix mthodologiques ;
- Dlai de ralisation de ltude ;
- Budget de ltude ;
- Membres de lquipe dtude.

Chap. 6 - 10

CHEF DU PROJET
* Le chef de projet labore l'avant projet, soit seul soit
avec le commanditaire de l'tude.
* Il ngocie le budget de l'tude avec le commanditaire.
* Il vrifie la validation des chantillons et autres
paramtres envisags par l'entreprise.
* Il vrifie le respect des dlais.
* Il vrifie aussi l'adquation entre le projet et la
ralisation.
* Il est responsable des problmes qui peuvent
survenir vis vis du commanditaire.
.

Chap. 6 - 11

droulement de ltude

Chap. 6 - 12

Briefing avant l'tude

Le chef de projet a normalement dj pris
connaissance du contenu de l'tude au travers de
l'avant-projet, il runit lquipe de ltude pour lui
redonner l'ensemble des tenants et aboutissants
de cette tude: but, dlais, dlimitation
gographique, phases de l'tude, tablissement
des questionnaires(o, comment, exigences
particulires,...)

Chap. 6 - 13

Etude proprement dite

-Echantillonnage
-Questionnaire tablir, tester puis poser
l'chantillon vis
-Saisie des donnes
-Analyse des donnes sur ordinateur

Chap. 6 - 14

Rapport
- clair ;
- circonstanci ;
- soign ;
- correspondre aux exigences du commanditaire ;
- dtaill ;
- complet ;
- ordonn. (l'analyse doit tre spare des graphiques et du tri statistique)

Chap. 6 - 15

Soutenance orale devant le

commanditaire
- claire ;
- dtaille ;
- il faut montrer que l'on possde le sujet ;
-il faut tre prpar rpondre aux questions possibles du
commanditaire ;
- il faut se servir des outils audio-visuels.

Chap. 6 - 16

ECHANTILLONNAGE

Chap. 6 - 17

Enqute
Ensemble des oprations de collecte et de
traitement de donnes relatives quelques
domaines que ce soit.

Chap. 6 - 18

Population cible
Rassemblement de tous les cas qui
rpondent un ensemble de caractres
spcifiques. Appele aussi univers ou
ensemble statistique, cest lensemble des
lments auxquels on sintresse.

Chap. 6 - 19

Sondage
Enqute incomplte, enqute partielle ou
enqute par chantillonnage, cest une
enqute au cours de laquelle seulement une
partie des units de base de la population
sont observe.

Chap. 6 - 20

Echantillon
Ensemble des units de base slectionnes
et rellement observes au cours dun
sondage.

Chap. 6 - 21

Echantillonnage
Ensemble des oprations qui permettent de
slectionner de faon organise les lments
de lchantillon.

Chap. 6 - 22

Base de sondage
Enumration ou prsentation ordonne de
toutes les units de base constituant la
population.

Chap. 6 - 23

Erreur dchantillonnage
Ecart entre les rsultats obtenus auprs dun
chantillon et ce que nous apprendrait un
recensement comparable de la population.
Plus la taille de lchantillon est grande plus
lerreur dchantillonnage diminue.

Chap. 6 - 24

Dtermination de la taille
de lchantillon

Chap. 6 - 25

la taille dchantillon dpend essentiellement de deux

facteurs :
La prcision souhaite : plus on souhaite des
rsultats prcis, plus lchantillon ncessaire
est important.
Le budget disponible : plus on augmente la
taille, plus le cot de lenqute saccrot.

Chap. 6 - 26

Cas dune population de loi inconnue

Taille dchantillon pour estimer une moyenne

Chap. 6 - 27

Exemple : Un parc de loisirs souhaite estimer 10dh prs le

montant moyen dachats effectus par chaque visiteur.
une tude pilote mene sur 50 visiteurs choisis au hasard a
montr que lcart- type des achats est : = 100 dh
Si on se fixe un seuil de confiance (1-) = 95%, La taille de
lchantillon est donc :

100 2000
100,05

Chap. 6 - 28

Cas dune population de loi inconnue

Taille dchantillon pour estimer une proportion

pq
n

Chap. 6 - 29

Si on se fixe un seuil de confiance (1-) = 95%, La taille de

lchantillon est donc :

0
,
65

0
,
35
n
1820
0,050,05

Chap. 6 - 30

Cas dune population normale

Taille dchantillon pour estimer une moyenne
Cas des prlvements dans une population finie avec
remise ou dans une population infinie sans remise

n Z12

Chap. 6 - 31

Exemple : Un parc de loisirs souhaite estimer 10dh prs le

montant moyen dachats effectus par chaque visiteur.
une tude pilote mene sur 50 visiteurs choisis au hasard a
montr que lcart- type des achats est : = 100 dh
Si on se fixe un seuil de confiance (1-) = 95%, La taille de
lchantillon est donc :

n 1,96 100 384,16 385

10

Chap. 6 - 32

Cas dune population normale

Taille dchantillon pour estimer une proportion
Cas des prlvements dans une population finie avec
remise ou dans une population infinie sans remise

n Z12

pq

Chap. 6 - 33

Exemple : Le parc souhaite estimer la proportion des visiteurs qui

font des achats cinq points prs.
Lenqute pilote a estim cette proportion 65%, cest dire p =
0,65
Si on se fixe un seuil de confiance (1-) = 95%, La taille de
lchantillon est donc :

n 1,96 0,650,35 349,58 350

0,05

Chap. 6 - 34

Cas dune population normale

Taille dchantillon pour estimer une moyenne
Cas des prlvements dans une population finie sans
remise

Z1-2 N
n
N Z1-2

Chap. 6 - 35

Cas dune population normale

Taille dchantillon pour estimer une proportion
Cas des prlvements dans une population finie sans
remise.

Z1-2 p q N
n
N Z1-2 p q
Chap. 6 - 36

Mthodes
dchantillonnage
- Mthodes dchantillonnage
probabilistes
- Mthodes dchantillonnage
empiriques

Chap. 6 - 37

Mthodes dchantillonnage
probabilistes
- Echantillonnage alatoire et simple
- Echantillonnage stratifi
- Echantillonnage par degrs
- Echantillonnage systmatique
Chap. 6 - 38

Echantillonnage alatoire et
simple
Un chantillonnage est alatoire si
tous les individus de la population ont
la mme chance de faire partie de
lchantillon; il est simple si les
prlvements des individus sont
raliss indpendamment les uns des
autres.

Chap. 6 - 39

Echantillonnage alatoire et
simple
Si la population est finie,
lchantillonnage alatoire et simple
correspond au tirage alatoire avec
remise, qui permet de traiter les
populations finies comme des
populations infinies.

Chap. 6 - 40

Echantillonnage alatoire et
simple
-

Constituer la base de sondage qui correspond la liste

complte et sans rptition des lments de la
population ;

Numroter ces lments de 1 N ;

Procder, laide dune table de nombres alatoires ou

dun gnrateur de nombres pseudo alatoires la
slection des units diffrentes qui constitueront
lchantillon.
Chap. 6 - 41

Echantillonnage alatoire et
simple
Exemple :
On souhaite avoir un chantillon alatoire et
simple de 5 entreprises parmi une population de
22 entreprises. On dispose de la base de
sondage cest dire la liste complte et sans
rptition des 22 entreprises numrotes de 1
22. On prend un extrait dune table de nombre
alatoire par exemple :
Chap. 6 - 42

Echantillonnage alatoire et simple

On choisit au hasard un nombre de la table, supposons ce
nombre 06121. Comme N= 22, on va retenir le premier
groupe de 2 chiffres, ce qui donne les N :
06, ensuite 12 ; 19 ; 17 ; les nombres (82,77 et 92) sont
inutilisables. La cinquime entreprise sera le N 10.
10480 15011 01536 02011 81647 91646
22368 46573 25595 85393 30995 89198
24130 48390 22527 97265 76393 64809
42167 93093 06243 61680 07856 16376
37570 39975 81837 16656 06121 91782
77921 06907 11008 42751 27756 53498
Chap. 6 - 43

Echantillonnage stratifi
Lchantillonnage stratifi est une technique qui
consiste subdiviser une population htrogne,
deffectif N, en P sous populations ou strates
plus homognes deffectif Ni de telle sorte que N=
N1+N2+. +Np. Un chantillon, deffectif ni, est
par la suite, prlev indpendamment au sein de
chacune des strates en appliquant un plan
dchantillonnage au choix de lutilisateur. Le plus
souvent, on procdera par un chantillonnage
alatoire et simple lintrieur de chaque strate.
Chap. 6 - 44

Echantillonnage stratifi
La stratification peut entraner des
gains de prcision apprciables, elle
facilite en outre les oprations de
collecte des donnes et fournit des
informations pour diffrentes parties de
la population.

Chap. 6 - 45

Echantillonnage stratifi
Pour la rpartition de leffectif total, n, de
lchantillon dans les diffrentes strates,
La premire solution, dite proportionnelle,
consiste conserver la mme fraction
dchantillonnage dans chaque strate.
Une seconde solution, dite optimale, tient
compte du budget de lenqute.

Chap. 6 - 46

Rpartition proportionnelle
La rpartition proportionnelle consiste
rpartir la taille de lchantillon n en
utilisant la mme fraction de sondage f
dans chacune des strates. Cette
solution tient compte dun seul facteur
qui est le poids de chaque strate.

Chap. 6 - 47

Rpartition proportionnelle
Dsignons par wi le poids de la strate et par f la fraction
de sondage constant :

f n
N

Ni
et wi
N

le nombre dunits choisir dans chacune des strates est

donc :

ni w i n f Ni

Chap. 6 - 48

Rpartition proportionnelle
Exemple :
Dans une population de 10000 entreprises,
rparties en 5000 petites entreprises, 3000
moyennes entreprises et 2000 grandes
entreprises, on souhaite avoir un chantillon de
500 entreprises.
Fraction de sondage constante :
f = 500 / 10000 = 5 %
Chap. 6 - 49

Rpartition proportionnelle
Strate
Petite
Moyenne
Grande
Total

Effectif de la strate

Taille de lchantillon

5000
3000
2000

5000 * 0,05 = 250

3000 * 0,05 = 150
2000 * 0,05 = 100

10000

500

Chap. 6 - 50

Rpartition proportionnelle
Strate
Petite
Moyenne
Grande
Total

Effectif de la strate
5000
3000
2000
10000

Poids de la strate Taille de lchantillon

50%
30%
20%

500 * 0,5 = 250

500 * 0,3 = 150
500 * 0,2 = 100
500

Chap. 6 - 51

Rpartition optimale
- Budget total de lenqute, G
- Poids de la strate, wi

- Cot de la collecte de linformation dans la strate, c

- Dispersion lintrieur de la strate, mesure par
lcart type i.

Chap. 6 - 52

Rpartition optimale
le nombre dunits choisir dans
chacune des strates est donn par :

ni k w i i
ci

G
w i i ci

Chap. 6 - 53

Rpartition optimale
Exemple :
Dans la population des 10000 entreprises, on a pu
avoir les informations suivantes :
Strate

wi

ci

i.

Petite
Moyenne
Grande

0,5
0,3
0,2

50
75
100

0,8
1,5
2,2
Chap. 6 - 54

Rpartition optimale
le nombre dentreprises choisir dans chacune des
strates est donn par :
k

G
5000

449,42
wi i ci 0,50,8 50 0,31,5 75 0,22,2 100

n1 449,42 0,5 0,8 26 petites entreprises

50
n2 449,42 0,3 1,5 24 moyennes entreprises
75

0,2

2,2
n3 449,42
20 grandes entreprises
100
Chap. 6 - 55

Echantillonnage par degrs

Lchantillonnage par degrs regroupe
toute une srie de plans
dchantillonnage caractriss par un
systme ramifi et hirarchis dunits.

Chap. 6 - 56

Echantillonnage par degrs

Dans le cas de deux degrs, par exemple, on
considre que la population est constitue dun
certain nombre dunits de sondage du premier
degr (units primaires), chacune de ces units
tant constitue dun certain nombre dunits du
second degr. (units secondaires)
On ralise dabord un chantillonnage dunits du
premier degr. Ensuite, dans chaque unit
slectionne au premier degr, on prlve un
chantillon dunits du second degr. Le mode de
slection pouvant varier dun degr lautre.
Chap. 6 - 57

Echantillonnage par degrs

Lchantillonnage par degrs simpose lorsquil
est impossible dinventorier les lments de toute
la population et quil est possible dnumrer les
units prleves au premier degr. Il permet une
concentration du travail sur le terrain et donc une
rduction des cots.
Pour un mme nombre total dobservations, il faut
citer sa plus faible efficacit que lchantillonnage
alatoire et simple.
Chap. 6 - 58

Echantillonnage par degrs

Exemple :
Pour tudier le niveau de consommation
des mnages dune ville, on a tir
alatoirement 5 quartiers. Dans chaque
quartier slectionn, on retient une rue sur
5, dans chaque rue retenue, on retient un
immeuble sur 3, et dans chaque immeuble,
un mnage par tage sera questionn.
Chap. 6 - 59

Echantillonnage systmatique
Lchantillonnage systmatique est
une technique qui consiste prlever
des units dchantillonnage situes
intervalles gaux. Le choix du premier
individu dtermine la composition de
tout lchantillon.

Chap. 6 - 60

Echantillonnage systmatique
Si on connat leffectif total de la
population N et quon souhaite prlever
un chantillon deffectif n, lintervalle
entre deux units successives
slectionner est donn par :

k N
n
Chap. 6 - 61

Echantillonnage systmatique
Connaissant k, on choisit le plus
souvent, pour dbuter, un nombre
alatoire, i, compris entre 1 et k. le
rang des units slectionnes est alors
i, i+k, i+2k,

Chap. 6 - 62

Echantillonnage systmatique
Lchantillonnage systmatique est
facile prparer et, en gnral facile
excuter, il rduit le temps consacr
la localisation des units
slectionnes.

Chap. 6 - 63

Echantillonnage systmatique
Si les lments de la population se
prsentent dans un ordre alatoire
(pas de tendance) lchantillonnage
systmatique est quivalent
lchantillonnage alatoire et simple.
Par contre si les lments de la
population prsentent une tendance,
lchantillonnage systmatique est plus
prcis que lchantillonnage alatoire.
Chap. 6 - 64

Echantillonnage systmatique
Exemple :
On veut slectionner un chantillon de 30 entreprises au
sein dune population de 1800 entreprises.

k 1800 60
30
Ainsi on va tirer une entreprise toutes les 60 en partant
dun nombre tir alatoirement entre 1 et 60.
Supposons ce nombre est le 15. On va donc slectionner
la 15me entreprise puis la 75me, la 135me. jusqu la
1755me
ce qui nous donnera lchantillon de 30
entreprises.
Chap. 6 - 65

Mthodes dchantillonnage
empiriques
-

Echantillonnage accidentel (De

convenance)

Echantillonnage priori

Echantillonnage Boule de neige

Echantillonnage par Quotas

Chap. 6 - 66

Echantillonnage accidentel
Il sagit dun chantillon constitu dindividus qui se
trouvaient accidentellement lendroit et au moment
o linformation a t collecte.
Enqutes ralises dans la rue, les lieux publics, en
sortie de super march
Questionnaires figurant dans les magasines et
renvoys spontanment.
Les chantillons accidentels ne peuvent tre
considrs reprsentatifs daucune population. Il est
risqu de gnraliser une population donne des
rsultats obtenus par un chantillon accidentel.
Chap. 6 - 67

Echantillonnage priori
Cest un chantillonnage par jugement
priori. Il consiste slectionner des individus
dont on pense, avant de les interroger, quils
peuvent dtenir linformation.
Le risque de ce type dchantillonnage est
de considrer des individus, apparemment
reprsentatifs de la population tudie.

Chap. 6 - 68

Echantillonnage Boule de
neige
Cette mthode est rserve aux populations
composes dindividus dont lidentification
est difficile ou qui possdent des
caractristiques rares.
La mthode consiste faire construire
lchantillon par les individus eux-mmes. Il
suffit den identifier un petit nombre initial et
de leur demander de faire appel dautres
individus
possdant
les
mmes
caractristiques.
Chap. 6 - 69

Echantillonnage par Quotas

Lchantillonnage par quotas est
lchantillonnage non probabiliste le
plus connu, et finalement le mieux
accept
comme
substitut
aux
mthodes probabilistes dans le cas o
ces dernires rencontreraient des
contraintes de base de sondage. Mais
la reprsentativit de la population
tudie reste douteuse.
Chap. 6 - 70

Echantillonnage par Quotas

Lchantillonnage par quotas consiste
tudier la structure de la population
selon des critres choisis (quotas)
empiriquement.
Lchantillon
est
ensuite construit de manire
constituer
une
reproduction
en
miniature de la population sur ces
critres.
Chap. 6 - 71

Echantillonnage par Quotas

Lchantillonnage par quotas est une forme
simplifie de lchantillonnage stratifi
fraction de sondage constante. Les quotas
reprsentent les variables de stratification.
Une fois les quotas sont fixs, les individus
sont slectionns la convenance de
lenquteur.

Chap. 6 - 72

Echantillonnage par Quotas

Les critres servant de base la dfinition des
quotas ne doivent pas tre nombreux. Au-del de 3
critres, la dmarche devient complexe. Les quotas
doivent tre construits sur une base de donnes
fiables ( statistiques disponibles ) indiquant la
rpartition de la population sur les critres choisis.
Les critres les plus utiliss dans les tudes de
march sont conomiques et socio-dmographiques
en particulier lge, le sexe, la catgorie
socioprofessionnelle,
Chap. 6 - 73

Echantillonnage par Quotas :

Exemple
On souhaite avoir un chantillon de 1000 individus. La
structure de la population selon trois critres est la
suivante :
Age

20 29 ans
30 49 ans
50 60 ans
Total

Structure de
la population
40 %
35 %
25 %
100 %

Rpartition de
lchantillon
400
350
250
1000
Chap. 6 - 74

Echantillonnage par Quotas :

Exemple
Structure de la population
Age

Sexe

Masculin

Fminin

Total

20 29 ans

48 %

52 %

100 %

30 49 ans

49 %

51 %

100 %

50 60 ans

45 %

55 %

100 %

Chap. 6 - 75

Echantillonnage par Quotas :

Exemple
Rpartition de lchantillon
Age

Sexe

Masculin

Fminin

Total

20 29 ans

192

208

400

30 49 ans

172

178

350

50 60 ans

113

137

250

Chap. 6 - 76

AGE

Sexe

Sans

Etudiant

Agric

Artisans

Prof
librales

Employs

Ouvriers

Total

10%

30%

5%

6%

9%

25%

15%

100%

15%

25%

2%

10%

8%

30%

10%

100%

8%

5%

15%

22%

15%

15%

20%

100%

20%

4%

10%

16%

14%

24%

12%

100%

6%

2%

25%

22%

18%

17%

10%

100%

35%

1%

20%

20%

6%

13%

5%

100%

CSP
20-29

30-49

50-60

Chap. 6 - 77

AGE

20-29

30-49

50-60

Sexe

Sans

Etudiant

Agric

Artisans

Prof
librales

Employs

Ouvriers

Total

19

58

10

12

17

48

28

192

31

52

21

17

62

21

208

14

26

38

26

26

33

172

36

18

28

25

43

21

178

28

25

20

19

12

113

48

27

27

18

137

CSP
M

Chap. 6 - 78

Test de reprsentativit de
lchantillon
Pour valider les rsultats de l'tude, et
pour minimiser la marge d'erreur, il est
indispensable
de
vrifier
la
reprsentativit de lchantillon.

Chap. 6 - 79

Test de reprsentativit de
lchantillon
- Mise en tableau des rsultats
- Test de reprsentativit

Chap. 6 - 80

Mise en tableau des rsultats

Il faut dans un premier temps laborer
un tableau dans lequel seront notes
les donnes thoriques concernant la
population totale, ainsi que les
donnes relatives l'tude, ce tableau
est appel tableau de test de
reprsentativit.

Chap. 6 - 81

Test de reprsentativit
Appel test dajustement ou test Khi-deux, ce test est
destin tester si lchantillon observ peut tre
considr comme reprsentatif de la population
tudie. Pour cela on a besoin de connatre les
caractristiques de la population. Le test d'ajustement
consiste calculer la valeur de la statistique khi-deux
qui permet d'valuer les carts entre les frquences
observes dans l'chantillon et les frquences
thoriques correspondantes la population tudie.
Lorsque les carts seront petits, on acceptera la
reprsentativit, sinon on la rejettera.
Chap. 6 - 82

Test de reprsentativit
- Formuler une hypothse nulle
- Calculer la valeur de Khi-deux
observ
- Dterminer la valeur de Khi-deux
thorique
- Rsultat du test de reprsentativit

Chap. 6 - 83

Formuler une hypothse nulle

lchantillon observ est reprsentatif

de la population tudie.

Chap. 6 - 84

Calculer la valeur de Khi-deux

observ

(effectif observ - effectif thorique)

Khi deux
effectif thorique

Chap. 6 - 85

Dterminer la valeur de Khi-deux

thorique
On se fixe un seuil de confiance , on
se reporte la table de distribution de
Khi-deux, et on cherche la valeur
correspondante une probabilit gale
(1-) et un nombre de "degrs de
libert (ddl)" gale au nombre de
caractristiques de la population moins
1.
Chap. 6 - 86

Rsultat du test de reprsentativit

la valeur de Khi-deux observ est nulle
lorsque les frquences observes sont
toutes gales aux frquences thoriques,
cest dire lorsquil y a une concordance
parfaite entre lchantillon observ et la
population tudie. Cette valeur est dautant
plus grande que les carts entre les
frquences observes et thoriques sont
plus grands. Il dcoule de la comparaison du
Khi-deux observ et du Khi-deux thorique :
Chap. 6 - 87

Rsultat du test de reprsentativit

- Si Khi-deux thorique est strictement suprieur
au Khi-deux observ, l'hypothse nulle est
accepte.
Donc
l'chantillon
est
reprsentatif de la population tudie.
-

Si Khi-deux thorique est infrieur ou gal au

Khi-deux observ, l'hypothse nulle est
rejete. En d'autres termes, l'chantillon
nest pas reprsentatif. Il faut donc raliser
un redressement d'chantillon.
Chap. 6 - 88

Test de reprsentativit :
exemple
Une enqute a t ralise au prs dun
chantillon de 400 individus prlev au sein
dune population cible de 4 millions
d'individus. Les donnes que l'on possde
sur cette population sont les suivantes :
Hommes 48% soit 1,92 millions dhommes
Femmes 52% soit 2,08 millions de femmes
Chap. 6 - 89

Test de reprsentativit :
exemple
Sexe

Hommes

Femmes

Total

Niveau dinstruction

Effectifs

Effectifs

Aucun
Primaire
Secondaire
Formation professionnelle
Suprieur

35
30
15
13
7

672000
576000
288000
249600
134400

50
25
10
10
5

1040000
520000
208000
208000
104000

1712000
1096000
496000
457600
238400

Total

100

1920000

100

2080000

4000000

Chap. 6 - 90

Test de reprsentativit :
exemple
Caractristiques de lchantillon :
Sexe

Hommes

Femmes

Total

Niveau dinstruction

Effectifs

Effectifs

Aucun
Primaire
Secondaire
Formation professionnelle
Suprieur

32
28
18
14
8

61
54
35
27
15

54
23
12
8
3

112
48
25
17
6

173
102
60
44
21

Total

100

192

100

208

400

Chap. 6 - 91

Test de reprsentativit :
exemple
Mise en tableau des rsultats
Sexe

Niveau dinstruction

Aucun
Primaire
Secondaire
Formation professionnelle
Suprieur

Total

Hommes

Femmes

Effectifs
thoriques

Effectifs
observs

Effectifs
thoriques

Effectifs observs

67,2
57,6
28,8
24,96
13,44

61
54
35
27
15

104
52
20,8
20,8
10,4

112
48
25
17
6

192

192

208

208

Chap. 6 - 92

Test de reprsentativit :
exemple
Hypothse nulle :
lchantillon observ est reprsentatif
de la population tudie.

Chap. 6 - 93

Test de reprsentativit :
exemple
Khi-deux observ = [(61-67,2)/67,2 + (5457,6)/57,6 + (35-28,8)/28,8 + (2724,96)/24,96+(15-13,44)/13,44+ (112104)/104+(48-52)/52+(2520,8)/20,8+(17-20,8)/20,8+(610,4)/10,4]
Khi-deux observ = 6,80
Chap. 6 - 94

Test de reprsentativit :
exemple
Khi-deux thorique : si on se fixe un seuil
de confiance =5%, on se reporte la table
de distribution de Khi-deux, et on cherche la
valeur correspondante une probabilit
gale (1-)=0,95 et un nombre de "degrs
de libert (ddl)" gale (10-1)=9, on trouve :
Khi-deux thorique = 16,92

Chap. 6 - 95

Test de reprsentativit :
exemple
Rsultat du test de reprsentativit
Khi-deux thorique est strictement
suprieur au Khi-deux observ,
l'hypothse nulle est accepte. Donc
l'chantillon est reprsentatif de la
population tudie.
Chap. 6 - 96

Redressement de lchantillon
Si l'chantillon slectionn n'est pas
reprsentatif de la population tudie, aprs
le test, il est ncessaire de le redresser. On
redressera l'chantillon si par exemple
certaines caractristiques de la population
sont
sur-reprsentes
ou
sousreprsentes. On peut ainsi tirer de
l'chantillon
original
un
chantillon
reprsentatif.
Chap. 6 - 97

Redressement de lchantillon
Pour redresser l'chantillon, il existe
deux mthodes distinctes :
- Redressement par extraction
- Redressement par substitution

Chap. 6 - 98

Redressement par extraction

La mthode dite par extraction limine tous les
individus au-del du pourcentage obtenir. L'effectif
de l'chantillon est donc d'autant plus rduit que les
pourcentages thoriques sont diffrents des
pourcentages observs. Cette mthode permet
d'aboutir un chantillon plus reprsentatif mais au
risque d'obtenir un chantillon ridiculement petit ou
mme une impossibilit de traitement (le nombre
minimum de questionnaires ncessaire pour traiter
une tude est de 60. D'autre part, pour valider les
rsultats et pour effectuer des calculs statistiques, il
faut au minimum 5 effectifs par classe.).
Chap. 6 - 99

Redressement par extraction :

Exemple
1200 personnes interroges pour une tude concernant
l'attitude de la population face un produit suivent la
distribution suivante :
HOMMES: 55% soit 660 interrogs
soit 540 interrogs

FEMMES: 45%

Or, la population totale a une distribution :

HOMMES:45% soit 540 pers. interroger.
55% soit 660 personnes interroger.

FEMMES:

Chap. 6 - 100

Redressement par extraction :

Exemple
Aprs redressement, on aura :
HOMMES: 660-120=540 individus.
FEMMES: 540 individus. (rsultat inchang)
D'o une meilleure rpartition :
HOMMES: 50% soit 540 individus
FEMMES: 50% soit 540 individus
Chap. 6 - 101

Redressement par extraction

Cette mthode a le trs gros inconvnient de faire
fondre l'chantillon original. Dans l'exemple, nous
avons perdu 120 individus sonds. La prcision
des estimations des rsultats s'en trouve
fatalement affecte : par ce procd, tout se
passe comme si on avait interrog un plus petit
nombre de personnes. Mais, on obtient une
meilleure reprsentativit de la population.
La mthode par extraction est intressante si la
taille de lchantillon est suprieure 1000.
Chap. 6 - 102

Redressement par substitution

A l'oppos, la mthode par substitution remplace
comme son nom l'indique, tout individu en surnombre
dans une modalit sur reprsente par un individu
choisi au hasard dans une modalit sous-reprsente.
Ce dernier se trouve donc dupliqu. L'effectif de
l'chantillon est maintenu, contrairement la mthode
par extraction ( on a vu que l'on tait pass dans
l'exemple d'un chantillon de 1200 individus un
chantillon de 1080), mais au prix de nombreuses
duplications qui tendent uniformiser l'chantillon. En
fait, tout se passe comme si les individus des
catgories sous-reprsentes avaient t interroges
plusieurs fois.
Chap. 6 - 103

Redressement par substitution

Les imperfections de l'chantillon sont
limines sans risque apparent
puisque la taille de l'chantillon ne se
trouve pas affecte.
La mthode par substitution est valable
si le diffrentiel de redressement est
infrieur 30%.
Chap. 6 - 104

Redressement par substitution :

Exemple
La population totale compte :
HOMMES : 45%

FEMMES : 55%

L'chantillon de 2000 individus tudis compte :

HOMMES : 740 individus (37%) ;
FEMMES : 1220 individus (61%) ;
NREP :40 individus (2%)
Chap. 6 - 105

Redressement par substitution :

Exemple
On pose le tableau suivant :
OBTENUS SOUHAITES DIFFERENCE
% Nbre %
Nbre S-O
NREP 2
40
0
0
-2%
FEMMES
61
1220 55
1100 -6%
HOMMES 37
740 45
900 +8%
DIFFERENCIEL DE REDRESSEMENT=
2%+6%+8%=16%.
Chap. 6 - 106

Redressement par substitution :

Exemple
L'chantillon redress correspond ici au nombre
souhait :
HOMMES : 45%
FEMMES : 55%

900 individus.
1100 individus.

La rpartition par sexe correspond alors celle de la

population totale.
On remarque ici que le diffrentiel de redressement
est infrieur 16%, ce qui est un bon rsultat et qui ne
remet pas en questions la validation des observations.
Chap. 6 - 107

Redressement de lchantillon
- la mthode par extraction est intressante si on sonde
plus de 1000 personnes
- la mthode par substitution est valable si le diffrentiel
de redressement est infrieur
30%.
- Si l'chantillon n'est pas reprsentatif, et quon ne peut
utiliser aucune des mthodes, il nous faut
administrer de nouveaux questionnaires. C'est
pourquoi il faut vrifier le plus tt possible la
reprsentativit de l'chantillon et tout de suite le
redresser.
Chap. 6 - 108

ELABORATION DU
QUESTIONNAIRE
Un questionnaire est un ensemble de questions construit
dans le but de gnrer linformation ncessaire
laccomplissement des objectifs dune tude.
La caractristique essentielle dun questionnaire est dtre
un instrument de standardisation de linformation
collecte dans une enqute. En effet si chaque rpondant
voit ou entendra les mmes questions, les informations
recueillies, cest dire les rponses, seront donc
comparables pour lensemble des rpondants.

Chap. 6 - 109

ELABORATION DU
QUESTIONNAIRE
La construction dun questionnaire,
dans son fond comme dans sa forme,
doit inciter le rpondant cooprer,
se sentir impliqu et donner des
rponses compltes et exactes aux
questions qui lui sont poses.

Chap. 6 - 110

Rgles lies au fond du

questionnaire
Le contenu du questionnaire dpend des
objectifs de ltude, et des hypothses de
travail que lon aura formules.
Le questionnaire sera construit partir dune
liste des informations rechercher. Cette
dmarche permet de noublier aucune
information importante tout en vitant les
questions inutiles.
Chap. 6 - 111

Les types de questions

- Les questions ouvertes
- Les questions fermes
- Echelles catgories spcifiques

Chap. 6 - 112

Les questions ouvertes

Une question ouverte laisse lindividu
interrog totalement libre du choix de
sa rponse dans sa forme et dans sa
longueur.
On distingue 2 types de questions
ouvertes :
Chap. 6 - 113

Les questions ouvertes

Questions rponses numriques.
-

Quel ge avez-vous ?
Combien denfant charge avez-vous ?
Combien de Km par mois effectuez-vous
avec votre voiture ?

Ces questions ne posent pas de problmes.

Chap. 6 - 114

Les questions ouvertes

Questions rponse littraire
- Quel est votre profession ?
- Quels marques dordinateurs connaissez-vous ?
Il faut sefforcer de se limiter des questions pour les
quelles la rponse tient en un seul mot ou groupe de mots.
Si la rponse prend la forme dun discours, la mise en
forme de linformation en vue dun traitement devient
complique.
Chap. 6 - 115

Les questions fermes

Les questions fermes sont des
questions pour les quelles on impose
au rpondant une forme prcise de
rponse et un nombre limit de choix
de rponses.
On distingue trois types de questions
fermes :
Chap. 6 - 116

Les questions fermes

Questions dichotomiques
Ces questions offrent 2 choix de rponse, celle ci doit tre
unique, cest lun ou lautre.
Sexe ?
1. Masculin

2. Fminin

Avez vous un compte bancaire ?

1. oui
2. non
Ces questions se prtent bien aux traitements statistiques.
Chap. 6 - 117

Les questions fermes

Questions au choix multiples et rponse unique
Le rpondant dispose dune liste de choix mais
sa rponse doit tre unique. Les modalits de la
liste doivent tre exhaustives et mutuellement
exclusives.

Chap. 6 - 118

Les questions fermes

Quelle est votre situation familiale ?
1. Clibataire
2. Mari
3. Divorc
4. Veuf
5. Spar

Chap. 6 - 119

Les questions fermes

Questions au choix multiples et rponses multiples
Le rpondant est autoris slectionner
plusieurs des possibilits proposes dans une
liste.
Pour traiter ce type de questions, il est
prfrable denvisager chaque modalit comme
une question dichotomique avec rponse
oui/non.
Chap. 6 - 120

Les questions fermes

Parmi les raisons suivantes indiquez celles qui vous
guident dans le choix dune destination touristique :
1. environnement naturel
2. dpaysement
3. culture
4. rputation culinaire
5. sites archologiques
6 .autres (prciser)
Chap. 6 - 121

Echelles catgories
spcifiques
-

Echelle de Likert

Diffrentiel smantique

Echelles supports smantiques

Echelles dintention
Chap. 6 - 122

Echelle de Likert
Cette chelle a pour but de mesurer
lattitude dun individu celui-ci attribut
une liste de propositions relatives
lobjet tudi une note indiquant son
degr daccord ou de dsaccord, avec
chacune des propositions nonces.

Chap. 6 - 123

Echelle de Likert
Pour vous, protger lenvironnement a consiste :
Pas
ni en accord
daccord
ni en dsaccord
Utiliser des
lessives sans
1
2
3
4
5
Phosphates.

tout fait
daccord
6

Traiter les
Dchets
Mnagers.

Acheter
des produits
emballs.

7
Chap. 6 - 124

Diffrentiel smantique

Cette chelle consiste demander au

rpondant de se situer quelque part entre
deux objectifs de sens parfaitement
oppos.

Chap. 6 - 125

Diffrentiel smantique
Pour vous, ladministration X est :
Extrmem
ent

Trs

Assez

Sans
opinion

Assez

Trs

Extrmem
ent

Agrable

Dsagrab
le

Active

Inactive

Moderne

Dpass

Proche du
public

Eloigne
du public

Chap. 6 - 126

Echelles supports smantiques

Le principe est de btir, pour une

population donne, une chelle dont
les libells sont des distances,
psychologiquement gales lun de
lautre.
Chap. 6 - 127

Echelles supports smantiques

Comment jugez-vous le confort de ces diffrentes voitures ?
Marque Extrmement
Mauvais

Faible

moyen

Bon Extrmement
Bon

BMW

10

20

30

40 50

60

70

80

90

100

Ford

10

20

30

40 50

60

70

80

90

100

Chap. 6 - 128

Echelles dintention

Ces chelles ont pour but de recueillir

une
intention
dclare
de
comportement de la part du rpondant.

Chap. 6 - 129

Echelles dintention
Si Mc Donald ouvrait prs de ton lieu de travail :
Je ne prendrais
Certainement pas
Mon djeuner

je prendrais mon
djeuner Mc Donald
cest sr

A Mc Donald

Chap. 6 - 130

Les niveaux de mesure

On distingue trois niveaux :
- Echelles nominales (ou catgorielles)
- Echelles Ordinales
- Echelles continues : mesure mtrique
Chap. 6 - 131

Echelles nominales
(ou catgorielles)
Quand une mesure est de nature
nominale,
les
nombres
jouent
uniquement un rle dtiquettes
permettant didentifier des objets, des
proprits ou des vnements. Les
chiffres utilises nont aucune relation
entre eux : ni ordre, ni distance, ni,
origine.
Chap. 6 - 132

Echelles nominales
(ou catgorielles)
Quelle est votre situation familiale ?
1. Clibataire
2. Mari
3. Divorc
4. Veuf
5. Spar

Chap. 6 - 133

Echelles Ordinales
Le niveau de mesure ordinal identifie
une relation dordre entre les
proprits des objets tudis. Les
chiffres utiliss ont une relation dordre
mais aucune relation de distance, ils
ne permettent pas de mesurer le degr
de diffrence entre les objets.

Chap. 6 - 134

Echelles Ordinales
Classer les 4 types de produit suivants
chaque caractristique :
Produit
caractristique

Huile
Dolive

Beurre

Huile de
Tournesol

Margarine

Facilit de gestion

Got

Facilit dutilisation

Qualit nutritionnelle

Chap. 6 - 135

Echelles continues : mesure

mtrique
Ce niveau de mesure est le plus
complet, en plus des relations
dappartenance et dordre, il conserve
les distances et possde une origine.

Chap. 6 - 136

Echelles continues : mesure

mtrique
Indiquez la population de votre ville :
....

Chap. 6 - 137

Rgles lies la forme du questionnaire

Rdaction du questionnaire
Le vocabulaire et le style utiliss pour
la rdaction dun questionnaire doivent
tre ceux employs par les rpondants
et non ceux du rdacteur.

Chap. 6 - 138

Rgles lies la forme du questionnaire

Rdaction du questionnaire
Tout vocabulaire technique est viter, sauf si ltude est mene
auprs de spcialistes.
Tout vocabulaire ambigu est viter, cest dire tout mot ou
expression dont la comprhension prte confusion soit parce
quil possde plusieurs sens, soit parce quil est subjectif.
Lambigut peut galement provenir dutilisations diffrentes
dun mme mot selon la rgion, la classe sociale ou la classe
dge.
Le vocabulaire employ doit tre le plus simple le moins ambigu
et adapt la population concerne par ltude.
Chap. 6 - 139

Rgles lies la forme du questionnaire

Style de rdaction
Il est frquent que le style de rdaction soit source de biais, soit
dans la comprhension des questions, soit dans les rponses.
Il faut viter les questions contenant une ngation ou double
ngation. En plus de sa complexit, il y a le risque dorienter la
rponse dans un sens particulier.
Il faut aussi viter les questions tendancieuses, par exemple la
tendance naturelle dire oui.
Une question ne doit tre longue, elle ne doit pas dpasser une
ligne une ligne et demi.
Chap. 6 - 140

Rgles lies la forme du questionnaire

Structure du questionnaire
La structure du questionnaire concerne
lordre dapparition des questions, la
longueur et la prsence de questions
spciales.
Il se structure autour de six points :

Chap. 6 - 141

Rgles lies la forme du questionnaire

Structure du questionnaire
1. Prsentation de lenquteur et de
lenqute
2. Questions dintroduction
3. Questions qualifiantes
4. Questions de mise en route
5. Questions spcifiques
6. Questions didentification
Chap. 6 - 142

1. Prsentation de lenquteur et
de lenqute
-

Organisme charg de ltude

Commanditaire de ltude
Intrt de ltude
Objectifs de ltude

Chap. 6 - 143

2. Questions dintroduction

leur but est dinitier la conversation et

gagner la sympathie du rpondant et
lintresser au questionnaire qui va
suivre. Il sagit de questions gnrales
souvent ouvertes.

Chap. 6 - 144

3. Questions qualifiantes
Elles sont utiles si on a besoin de
savoir
si
lindividu
possde
linformation recherche. Elles sont
souvent de forme dichotomique. Elles
permettent dorienter le rpondant
des
parties
spcifiques
du
questionnaire.

Chap. 6 - 145

4. Questions de mise en route

Elles servent centrer

progressivement le thme de ltude.
On commence par des questions
simples, petit petit les questions
deviennent plus complexes.

Chap. 6 - 146

5. Questions spcifiques
Cest le cur du questionnaire, les
questions doivent amener les informations
les plus importantes pour ltude.
A ce stade, le rpondant sest imprgn de
lesprit de ltude et a nou une relation de
sympathie avec lenquteur, on peut donc lui
demander des efforts de rflexion ou des
informations personnelles.
Chap. 6 - 147

6. Questions didentification

Elles dcrivent les rpondants. Cette

partie fournit les informations qui
serviront classer les rpondants en
groupes distincts. Il sagit de variables
de segmentation.

Chap. 6 - 148

Mise en page du questionnaire

-

Arer les questions ;

Utiliser de temps autre des symboles;
Soigner la typographie du texte : gras
italique soulign;
Imprimer sur du papier de qualit, avec en
tte de lorganisme responsable de ltude;
Utiliser, si ncessaire, de la couleur.

Chap. 6 - 149

Codage du questionnaire
Le codage dun questionnaire a pour but de faciliter la
transformation des informations dun tat brut un
tat qui va permettre leur traitement statistique.
Normalement, le codage doit tre fait ds la rdaction
des questions.
La codification vise faciliter la saisie, et lanalyse
des donnes. Elle consiste donner chaque rponse
un code. (un chiffre, une lettre ou les deux)
Chap. 6 - 150

Codage du questionnaire
- Identification des variables relatives chaque question.
- Prvoir un code pour les non-rponses
Ce code indique que linformation recherche na pas pu tre
recueillie. Le rpondant refuse ou oublie de rpondre, lenquteur
oublie de reporter la rponse.
Eviter dutiliser le code zro. On doit utiliser un code qui ne peut
pas tre utilis comme rponse. De prfrence retenir le mme
code pour tout le questionnaire. Par exemple 99.
Chap. 6 - 151

Codage du questionnaire
- Prvoir lidentification individuelle du questionnaire et de
lenquteur
Cette identification permet un contrle posteriori de la qualit
du travail effectu.
Lidentification se fait en gnral par un code 4 chiffres. Les
deux premiers chiffres indiquent qui tait lenquteur et les deux
suivants le Numro du questionnaire pour cet enquteur.

Chap. 6 - 152

Codage du questionnaire
Les questions fermes sont codifies
au moment de llaboration du
questionnaire. Les questions ouvertes
sont codifies aprs ladministration de
tous les questionnaires. Il est
prfrable de lire un chantillon ou la
totalit des questionnaires avant de
dcider la codification en fonction des
gammes de rponses.
Chap. 6 - 153

Codage du questionnaire
Le code doit avoir les caractristiques suivantes :
-

La fiabilit
: une mme rponse doit avoir le
mme code;
Lexhaustivit
: le code doit tre complet;
Lexclusivit : une rponse donne ne doit pas
avoir plus quun code.

Chap. 6 - 154

Codage du questionnaire
Le codage doit se faire directement sur le support
de lenqute.
Un contrle est ncessaire pour dtecter et
corriger les erreurs qui peuvent se produire lors
de la codification. Pour cela, un double codage
est parfois intressant, si non un contrle dun
chantillon alatoire de questionnaires est
ncessaire.
Chap. 6 - 155

ANALYSE DES RESULTATS

- SAISIE
- CONTROLE
- ANALYSE DES DONNEES

Chap. 6 - 156

SAISIE

La saisie consiste reporter les codes

sur un support informatique sous
forme dune matrice de donnes
(variables/individus) en utilisant un
programme adquat. Cette opration
ncessite une concentration extrme
et un contrle svre.
Chap. 6 - 157

CONTROLE
Le contrle consiste dtecter parmi
les donnes saisies ceux jugs
errons pour les corriger ou les
liminer. Cette opration est appele
puration des donnes, Elle comporte
les deux tapes suivantes :

Chap. 6 - 158

CONTROLE

- Contrle de validit
- Contrle de cohrence

Chap. 6 - 159

Contrle de validit
Il consiste vrifier pour chaque
variable si les codes ou les donnes
saisis correspondent bien aux codes
prvus lors de la codification ou au
domaine de dfinition de la variable.
Le contrle de validit peut se faire
grce llaboration de tableaux de
frquences.
Chap. 6 - 160

Contrle de cohrence
Il consiste vrifier la cohrence des renvois
prvus dans le questionnaire, cest dire
vrifier pour certaines variables si les codes
ou les donnes saisis concordent bien avec
les codes ou les donnes saisis dautres
variables.
Le contrle de validit peut se faire grce
llaboration de tableaux de frquences
conditionnelles.
Chap. 6 - 161

ANALYSE DES DONNEES

- Prsenter sous forme exploitable (tableaux statistiques,
graphiques, diagrammes, etc..) C'est ce qu'on appelle la
statistique descriptive.
- Substituer cet ensemble de renseignements quelques
donnes simples, comparer cette reprsentation simplifie des
rpartitions thoriques, et tenter de donner une explication du
phnomne observ et en vrifier le bien fond.
- Interprter, conclure et dfinir avec prcision le degr de
confiance accorder aux conclusions gnrales induites partir
des faits observs.
Chap. 6 - 162

ANALYSE DES DONNEES

Lanalyse des donnes peut faire l'objet
d'une variable, et on parlera danalyse
unidimensionnelle. Elle peut concerner
deux variables, on parle alors
danalyse bidimensionnelle. Elle peut
concerner plusieurs variables, on parle
alors danalyse multidimensionnelle.

Chap. 6 - 163

ANALYSE UNIDIMENSIONNELLE
(ou uni-varie)
- TRIS A PLAT
- REPRESENTATIONS GRAPHIQUES
- LA REDUCTION DES DONNEES

Chap. 6 - 164

TRIS A PLAT

Le tri plat consiste condenser les

donnes sous forme d'un
tableau
statistique appel distribution de
frquences.

Chap. 6 - 165

Cas d 'un caractre qualitatif

Une distribution de frquences d'un caractre qualitatif se
prsente sous forme d'un tableau trs simple. La premire
colonne du tableau indique la nomenclature, c'est dire la liste
des modalits du caractre tudi. La deuxime colonne
comporte une succession de nombres entiers appels effectifs
ou frquences absolues. Une troisime colonne comporte une
succession de nombres dcimaux appels pourcentages ou
frquences relatives.
La somme des frquences absolues est videmment gale
l'effectif total.
La somme des frquences relatives est toujours gale 1.
Chap. 6 - 166

Cas d 'un caractre qualitatif

nationalit dun chantillon de 500 touristes visitant le Maroc.
Nationalit

Nombre de touristes
(frquences absolues)

Pourcentage des touristes

(frquences relatives)

Franaise
Allemande
Italienne
Hollandaise
Belge
amricaine
Autres nationalits

85
106
62
44
40
70
93

17 %
21,2 %
12,4 %
8,8 %
8%
14,0 %
18,6 %

Total

500

100 %

Chap. 6 - 167

Cas d'une variable statistique

discrte
Lorsque l'effectif des donnes brutes
d'une variable statistique discrte est
trs grand, il est presque impossible de
prsenter les donnes sous forme
d'une srie statistique. Lorsque le
nombre d'observations qui se rptent
est grand, il est plus facile de
condenser les donnes dans une
distribution de frquences.
Chap. 6 - 168

nombre d'employs chez 1000 commerants .

Nombre
d'employs

0
1
2
3
4
5
6
7

Nombre de
commerants

proportion des
commerants

Frquences
absolues
cumules
croissantes

Frquences
absolues
cumules
dcroissantes

Frquences
absolues
cumules
dcroissantes

Frquences
absolues
cumules
dcroissantes

50
100
200
150
120
160
130
90

5%
10 %
20 %
15 %
12 %
16 %
13 %
9%

50
150
350
500
620
780
910
1000

1000
950
850
650
500
380
220
90

5%
15 %
35 %
50 %
62 %
78 %
91 %
100 %

100 %
95 %
85 %
65 %
50 %
38 %
22 %
9%

Chap. 6 - 169

Cas d'une variable statistique

continue
Lorsqu'on a une grande quantit de donnes
brutes d'une variable statistique continue, il est
presque impossible de prsenter les donnes
sous forme d'une srie statistique. Lorsque le
nombre d'observations distinctes est grand, il est
plus facile de condenser les donnes dans une
distribution de frquences groupe en classes et
de dterminer le nombre d'observations
appartenant chaque classe, bien que le
regroupement de donnes dtruise une partie de
l'information initiale.
Chap. 6 - 170

Cas d'une variable statistique

continue
On dtermine la plus grande et la
plus petite valeur des donnes brutes
et on calcule l'tendue.

Chap. 6 - 171

Cas d'une variable statistique

continue
On partage l'tendue en classes suffisamment nombreuses
de mme amplitude. Lorsque cela est impossible, on
considre des classes d'amplitudes variables ou des
classes ouvertes. Le nombre de classes est habituellement
compris entre 5 et 20, cela dpend des donnes. Il est
prfrable de choisir les classes de telle sorte que les
points centraux concident avec des donnes rellement
observes et viter que les bornes de classes concident
avec des donnes rellement observes. Ceci tend
diminuer l'erreur de groupement.

Chap. 6 - 172

Cas d'une variable statistique

continue
Dans chaque classe, on dtermine le
nombre d'observations, pour cela il
suffit de compter, partir des donnes
brutes, le nombre d'observations
appartenant la classe.

Chap. 6 - 173

poids en kilogramme de 80
personnes
68

84

75

82

68

90

62

88

76

93

73

79

88

73

60

93

71

59

85

75

61

65

75

87

74

62

95

78

63

72

66

78

82

75

94

77

69

74

68

60

96

78

89

61

75

95

60

79

83

71

79

62

67

97

78

85

76

65

71

75

65

80

73

57

88

78

62

76

53

74

86

67

73

81

72

63

76

75

85

77

Chap. 6 - 174

poids en kilogramme de 80
personnes
Poids

50-54
55-59
60-64
65-69
70-74
75-79
80-84
85-89
90-94
95-99
TOTA
L

Nombre
de
personne
s

1
2
11
10
12
21
6
9
4
4
80

Nombre de personnes
cumul
croissant

dcroissan
t

1
3
14
24
36
57
63
72
76
80

80
79
77
66
56
44
23
17
8
4

Pourcentage

1,25 %
2,5 %
13,75 %
12,5 %
15 %
26,25 %
7,5 %
11,25 %
5%
5%
100 %

Pourcentage cumul

croissant

dcroissa
nt

1,25 %
3,75 %
17,5 %
30 %
45 %
71,25 %
78,75 %
90 %
95 %
100 %

100 %
98,75 %
96,25 %
82,5 %
70 %
55 %
28,75 %
21,25 %
10 %
5%

Chap. 6 - 175

REPRESENTATIONS
GRAPHIQUES
Bien qu'un tableau statistique renferme toute l'information
rassemble, il est trs utile de le traduire par un
graphique. La reprsentation graphique d'une distribution
de frquences permet de visualiser et de dceler ses
principales caractristiques.
Selon la nature du caractre tudi on utilise diffrents
modes de reprsentations graphiques. Le principe des
diffrents graphiques est le respect de la proportionnalit
entre les frquences et les surfaces.
Chap. 6 - 176

Cas dun caractre qualitatif

- Diagramme en tuyaux d'orgue

- Diagramme circulaire ou graphique
secteurs

Chap. 6 - 177

n o m b r e d e t o u r is t e s

Diagramme en tuyaux d'orgue

nationalit des touristes visitant le Maroc
120
100

106

93

85

80

70

62

60

44

40

HOL

B EL

40
20
0
FR

AL

IT

USA

autres

nationalit
Chap. 6 - 178

Diagramme circulaire ou
graphique secteurs
nationalit des touristes visitant le Maroc
17%

19%

14%

21%

8%
9%

FR
BEL

AL
USA

12%

IT
autres

HOL
Chap. 6 - 179

Autres modes de
reprsentations graphiques
autres

93

USA
B EL
HOL
IT

70
40
44
62

AL
FR

106
85

Chap. 6 - 180

Autres modes de reprsentations

graphiques
120
100
80
60

USA

BEL

HOL

IT

AL

FR

20

a u t re s

40

Chap. 6 - 181

Autres modes de
reprsentations graphiques

autres

FR

USA

AL

BEL
HOL

IT

Chap. 6 - 182

Autres modes de reprsentations

graphiques

FR

AL

IT

HOL

B EL

USA

autres

Chap. 6 - 183

Cas d'une variable statistique

discrte
- Diagramme en btons
- Polygone de frquences
- Polygone de frquences cumules ou
diagramme en escaliers

Chap. 6 - 184

Diagramme en btons
n o m b re d e
c o m m e r a n ts

nombre d'employs chez 1000 commerants

250
200
150
100
50
0

200
150
100

160
120

130
90

50

nombre d'employs

Chap. 6 - 185

Polygone de frquences
n o m b re d e
c o m m e r a n ts

nombre d'employs chez 1000 commerants

250
200
150
100
50
0
0

nombre d'employs

Chap. 6 - 186

Polygone de frquences cumules

ou diagramme en escaliers
nombre d'employs chez 1000 commerants
1200
910

1000

780

800
500

600

620

350

400
200

1000

50

150

0
0

Chap. 6 - 187

Cas d'une variable statistique

continue
Pour reprsenter une variable
statistique continue, on utilise le plus
souvent ce qu'on appelle histogramme.

Chap. 6 - 188

HISTOGRAMME
poids en kilogramme de 80 personnes
25

21

20
15

11

10
5

10

12
9
6

90- 94

95- 99

0
50-54

55- 59

60-64

65- 69

70- 74

75- 79

80- 84

85- 89

P o ids en Kg

Chap. 6 - 189

LA REDUCTION DES
DONNEES
On a vu qu'on peut dcrire les donnes
brutes l'aide des tableaux statistiques et
des graphiques. La rduction des donnes
est une troisime mthode danalyse des
donnes, elle a pour objet le calcul de
paramtres statistiques qui permettent de
caractriser de faon simple les sries
statistiques
et
les
distributions
de
frquences. On distingue plusieurs types de
paramtres statistiques :
Chap. 6 - 190

LA REDUCTION DES
DONNEES
- Les paramtres de position
- Les paramtres de dispersion
- Les paramtres de forme

Chap. 6 - 191

Les paramtres de position

Appels aussi valeurs de tendance
centrale, ils servent caractriser
l'ordre de grandeur des observations.
Les principaux paramtres de position
sont : la moyenne, le mode, et la
mdiane.

Chap. 6 - 192

Les paramtres de dispersion

Ces paramtres permettent de chiffrer
la variabilit des valeurs observes
autour d'un paramtre de position. Les
principaux paramtres de dispersion
sont : la variance, l'cart type, le
coefficient de variation.

Chap. 6 - 193

Les paramtres de forme

Ces paramtres permettent de
caractriser la forme et la normalit
des valeurs observes. Les principaux
paramtres de forme sont : le
coefficient dasymtrie et le coefficient
daplatissement.

Chap. 6 - 194

Moyenne
On peut rduire un ensemble d'observations en
une seule observation constante appele
moyenne. La moyenne est donc une valeur telle
que, c'est comme si toutes les observations
taient gales cette valeur. La moyenne peut
tre simple si toutes les observations ont le
mme poids, ce qui n'est pas toujours le cas. La
moyenne pondre intervient dans le cas o les
observations n'auraient pas la mme importance.
Il s'agit d'associer chaque observation un
coefficient de pondration indiquant son poids
parmi les autres observations.
Chap. 6 - 195

Moyenne arithmtique
qu'on appelle couramment moyenne,
d'une srie de plusieurs observations
est gale la somme de toutes les
observations divise par le nombre de
ces observations.

Chap. 6 - 196

Moyenne gomtrique
elle est calcule pour des
observations positives. Elle est
gale la racine nme du produit de
toutes les observations. Elle est
utilise principalement lorsqu'on
raisonne
en
taux
(taux
de
croissance).

Chap. 6 - 197

Moyenne harmonique
elle est gale l'inverse de la
moyenne arithmtique des inverses
des observations. Son usage s'impose
lorsque la variable statistique est un
quotient (cot moyen, vitesse moyenne
etc. ).

Chap. 6 - 198

Le mode

Le mode d'une srie statistique est

l'observation que l'on rencontre le plus
frquemment. Le mode peut ne pas
exister, et s'il existe, il peut ne pas tre
unique.

Chap. 6 - 199

La mdiane
La mdiane d'une variable statistique est une
valeur pour laquelle, la moiti des observations
lui sont infrieure ou gales et la moiti
suprieure ou gales. La mdiane partage donc
le nombre total d'observations en deux parties
gales. La mdiane est un paramtre statistique
qui ne dpend que du nombre d'observations.
pour dterminer la mdiane, il faut raisonner en
terme de frquences cumules, la mdiane est
alors la valeur de la variable qui correspond la
moiti de l'effectif total.
Chap. 6 - 200