Aller au contenu

Accueil › 1re année santé › Biostatistiques › Chapitre 1

1re année santé · Biostatistiques · chapitre 1

Statistiques descriptives

Résumer une série de mesures avec quelques nombres et un dessin : types de variables, histogramme, moyenne et médiane, dispersion et boîte à moustaches, avec l'exemple des durées de séjour en soins intensifs.

La fiche

Le problème : une durée de séjour, deux nombres

Une étude a analysé les données de 111 663 patients adultes, admis dans 131 unités de soins intensifs en Australie et en Nouvelle-Zélande, en 2008 et 2009 (Moran et Solomon, 2012).

Une unité de soins intensifs est le service d'un hôpital qui surveille en permanence et soigne les patients dont la vie est menacée.

Pour chaque patient, la base de données donne la durée de séjour, le nombre de jours passés dans l'unité.

Les auteurs ont notamment écarté les séjours de moins de 4 heures et ceux de plus de 60 jours. Les chiffres qui suivent portent sur les séjours retenus.

La durée moyenne est de 3,4 jours. Mais la durée du milieu, celle qui laisse la moitié des patients en dessous, est de 1,8 jour (nous la nommerons plus bas).

Le séjour le plus court a duré 0,17 jour, le plus long 60 jours.

Quel nombre annoncer à un directeur d'hôpital qui planifie ses lits : 3,4 ou 1,8 ? Les deux sont justes, et pourtant ils ne disent pas la même chose.

La fiche répond à trois questions :

  1. Quel nombre résume le mieux une série de valeurs ?
  2. Comment dire si les valeurs sont proches les unes des autres ou très dispersées ?
  3. Pourquoi la moyenne et la durée du milieu diffèrent-elles autant ici ?

Prérequis

  • Vu au lycée : une proportion = partie ÷ tout, que l'on dit en pourcentage.
  • Vu au lycée : la moyenne = somme des valeurs ÷ leur nombre. L'écart-type mesure à quel point les valeurs s'écartent de la moyenne.
  • Vu au lycée : une population est l'ensemble de ce qu'on veut étudier ; un échantillon en est une partie, prélevée pour l'étudier.

L'idée en une phrase

À retenir

Pour décrire une série de valeurs, on donne deux nombres, l'un qui dit où elle se situe, l'autre qui dit comment elle s'étale, et on regarde sa forme pour choisir les bons.

Au programme : les types de variables, la distribution et l'histogramme, la position, la dispersion, puis la boîte à moustaches.

Les types de variables

Commençons par ce qu'on mesure. Les statistiques descriptives sont les méthodes qui résument des données déjà recueillies, avec des nombres et des graphiques.

Chaque patient est décrit par des variables. Une variable est une caractéristique relevée de la même façon chez chacun : groupe sanguin, température, durée de séjour.

Il existe deux familles. Une variable qualitative range chaque patient dans une catégorie, nommée par des mots : le groupe sanguin.

Une variable quantitative est un nombre, obtenu en comptant ou en mesurant : la température.

Pourquoi cette distinction compte-t-elle ? Avec une variable qualitative, la moyenne n'a pas de sens. Que vaut la moyenne de deux groupes sanguins ? On peut seulement compter les patients de chaque catégorie.

Parmi les variables quantitatives, deux cas :

Type D'où vient la valeur Valeurs possibles Exemple
Qualitative une catégorie des mots groupe sanguin
Quantitative discrète un comptage certaines valeurs, le plus souvent entières nombre de consultations dans l'année
Quantitative continue une mesure toutes les valeurs d'un intervalle température, durée de séjour

Retenez la définition : une variable discrète ne prend que certaines valeurs, car elle vient d'un comptage. Une variable continue peut prendre toutes les valeurs d'un intervalle, car elle vient d'une mesure.

Effectif, fréquence et diagrammes

Deux notions du lycée. L'effectif d'une catégorie est le nombre de patients qui s'y trouvent. Sa fréquence est la proportion qu'ils représentent : fréquence = effectif ÷ total.

Quatre-vingts patients fictifs, classés par groupe sanguin. Données fictives.

Groupe Effectif Fréquence
A 36 45 %
O 32 40 %
B 8 10 %
AB 4 5 %
Total 80 100 %

Pour une variable qualitative, on dessine des barres séparées, une par catégorie, d'après ce tableau.

La distribution et l'histogramme

Pour une variable continue mesurée chez beaucoup de patients, on ne compte pas les patients valeur par valeur.

On les regroupe en classes, des intervalles de même largeur : de 0 à 1 jour, de 1 à 2 jours, et ainsi de suite.

Un histogramme dessine une barre par classe, collée à la suivante. La hauteur de la barre est l'effectif de la classe, ou sa fréquence.

Pourquoi regrouper ? Même avec des milliers de valeurs, on voit d'un coup d'œil où elles se concentrent et comment elles s'étalent.

L'ensemble des barres montre la distribution de la variable, c'est-à-dire la façon dont ses valeurs se répartissent.

Si un côté reflète l'autre, la distribution est symétrique. Sinon, elle est asymétrique.

Quand les barres s'étirent vers la droite, elle est asymétrique à droite. La partie étirée est la queue de la distribution.

La barre la plus haute marque le mode. Quand les valeurs sont regroupées en classes, c'est la classe la plus fréquente.

Les durées de séjour de notre étude ont cette forme : les auteurs les décrivent comme asymétriques à droite. La moitié des séjours dure moins de 2 jours, mais les plus longs atteignent 60 jours.

Pour résumer une série, on choisit un indicateur de position, qui dit où se situe la distribution, et un indicateur de dispersion, vu au lycée, qui dit comment elle s'étale. Commençons par la position.

La position : moyenne, médiane, quartiles

Premier indicateur, la moyenne, vue au lycée. Elle utilise toutes les valeurs, donc chacune la fait bouger.

Voici pourquoi. L'écart à la moyenne d'une valeur est valeur − moyenne. Ces écarts se compensent : leur somme est nulle.

La moyenne est le point où les écarts positifs et négatifs s'annulent. Une valeur très grande, avec un long écart positif, déplace ce point vers elle.

Douze durées de séjour fictives, en jours : 1, 1, 2, 2, 2, 3, 3, 4, 4, 5, 6, 20. Leur somme vaut 53, donc la moyenne vaut 53 ÷ 12, soit environ 4,4 jours.

Deuxième indicateur, la médiane, vue au collège : la valeur du milieu quand on range les valeurs par ordre croissant. La moitié des patients sont en dessous, la moitié au dessus.

Si l'effectif est pair, on prend la moyenne des deux valeurs du milieu. Dans la série fictive, les deux valeurs du milieu valent 3 : la médiane est de 3 jours, alors que la moyenne vaut environ 4,4.

Les quartiles prolongent cette idée. Le premier quartile est la valeur sous laquelle se trouve environ un quart des données.

Le troisième quartile est celle sous laquelle se trouvent environ trois quarts. La médiane est le deuxième quartile.

Il existe plusieurs méthodes de calcul des quartiles, qui donnent parfois des valeurs un peu différentes. Nous prenons une méthode simple : la médiane de la moitié basse, puis celle de la moitié haute.

Sur la série fictive : moitié basse 1, 1, 2, 2, 2, 3, donc premier quartile = (2 + 2) ÷ 2 = 2 jours. Moitié haute 3, 4, 4, 5, 6, 20, donc troisième quartile = (4 + 5) ÷ 2 = 4,5 jours.

Au lycée, vous avez peut-être appris une autre règle : la plus petite valeur de la série dont au moins 3/4 des valeurs sont inférieures ou égales. Elle donne ici la 9e valeur, donc 4 jours.

Aucune des deux n'est une erreur : une méthode parmi plusieurs. Quand on cite un quartile, il faut donc savoir quelle méthode a servi.

Plus généralement, un quantile est une valeur sous laquelle se trouve une proportion donnée des données. La médiane est le quantile de 1/2, les quartiles ceux de 1/4 et de 3/4.

Troisième indicateur, le mode, déjà rencontré : la valeur la plus fréquente.

Il sert aussi pour une variable qualitative, où la moyenne n'existe pas : dans le tableau fictif, le mode du groupe sanguin est le groupe A.

Pourquoi la médiane résiste

Remplaçons la plus grande durée, 20 jours, par 60 jours, la plus longue durée retenue dans l'étude. Une valeur extrême est une valeur très éloignée des autres de la série.

Indicateur (série fictive) Avant : 20 jours Après : 60 jours
Moyenne environ 4,4 jours environ 7,8 jours
Médiane 3 jours 3 jours
Premier quartile 2 jours 2 jours
Troisième quartile 4,5 jours 4,5 jours

Contrôle de la nouvelle moyenne : (53 − 20 + 60) ÷ 12 = 93 ÷ 12 = 7,75 jours.

Pourquoi la moyenne bouge-t-elle et pas la médiane ? La moyenne dépend de la taille de chaque valeur : plus une valeur est grande, plus elle pèse.

La médiane dépend seulement du rang, de la place dans la liste ordonnée. Que la dernière valeur soit 20 ou 60, elle reste la dernière, et la valeur du milieu ne bouge pas.

C'est pourquoi la médiane est souvent plus fiable quand il y a des valeurs extrêmes.

En revanche, la moyenne permet de retrouver le total, ce que la médiane ne fait pas : moyenne × nombre de patients = nombre total de jours.

La dispersion : étendue, variance, écart-type

Deux séries peuvent avoir la même moyenne et être très différentes : 3, 4, 4, 4, 5 et 0, 0, 4, 8, 8 ont toutes deux 4 pour moyenne (séries fictives). Il faut donc un indicateur de dispersion.

Le plus simple est l'étendue, vue au collège : étendue = plus grande valeur − plus petite valeur. Dans la série modifiée : 60 − 1 = 59 jours.

Son défaut : elle ne dépend que de deux valeurs, la plus petite et la plus grande. Elle ne dit rien des autres.

Pour tenir compte de toutes les valeurs, on part des écarts à la moyenne. Leur somme est nulle, donc elle ne dit rien. On les met au carré, ce qui les rend tous positifs.

Cinq durées fictives, en jours : 2, 3, 4, 5, 6, de moyenne 4.

Valeur Écart à la moyenne Carré de l'écart
2 −2 4
3 −1 1
4 0 0
5 1 1
6 2 4
Somme 0 10

La variance est la moyenne des carrés des écarts (vue en spécialité de mathématiques). Sa racine carrée est l'écart-type, vu au lycée.

Pourquoi une racine carrée ? Parce que le carré change l'unité. La variance est en jours au carré, l'écart-type est en jours, comme les données : on peut le comparer à la moyenne.

Reste le diviseur. Pour une population entière : variance = somme des carrés ÷ effectif. Pour un échantillon : variance = somme des carrés ÷ (effectif − 1).

Sur nos cinq valeurs, la somme des carrés vaut 10. La variance de l'échantillon vaut 10 ÷ 4 = 2,5 jours au carré. L'écart-type vaut √2,5, soit environ 1,6 jour.

Pourquoi effectif − 1 ? Avec peu de patients, l'échantillon n'a pas eu l'occasion de montrer toute la variation de la population : sa dispersion observée est, en moyenne, trop petite.

Diviser par effectif − 1 corrige ce défaut pour la variance, en moyenne sur un grand nombre d'échantillons. Nous y reviendrons plus tard dans la série.

Avec un seul patient, on ne peut rien dire de la dispersion, et la formule le reflète : elle demanderait de diviser par zéro.

L'écart interquartile est la différence entre le troisième et le premier quartile : écart interquartile = troisième quartile − premier quartile. Il mesure l'étalement de la moitié centrale des données.

Avec notre méthode : 4,5 − 2 = 2,5 jours, et il ne change pas avec la valeur extrême.

Le coefficient de variation est écart-type ÷ moyenne. Il n'a pas d'unité, puisqu'on divise deux quantités de même unité.

Il permet donc de comparer la dispersion de variables dans des unités différentes, comme une taille (en cm) et un poids (en kg), à condition qu'elles soient toujours positives.

L'étude : ce que disent les indicateurs

Retour aux séjours retenus. L'écart-type vaut 5,1 jours, plus que la moyenne (3,4). Le coefficient de variation vaut 5,1 ÷ 3,4 = 1,5 : l'écart-type fait une fois et demie la moyenne.

Cela vient de la queue de droite, avec quelques très longs séjours.

Pour une distribution asymétrique, l'écart-type peut mal résumer la dispersion. Mieux vaut regarder le graphique et donner les quartiles.

La boîte à moustaches

Rassemblons tout. La boîte à moustaches est un graphique fait d'une boîte et de deux traits, les moustaches : elle résume la variable avec cinq valeurs.

La moustache de gauche part du minimum, la plus petite valeur. La boîte commence au premier quartile, un trait y marque la médiane, et elle se termine au troisième quartile.

Environ la moitié des données se trouve dans la boîte. Sa largeur est l'écart interquartile.

La moustache de droite va jusqu'au maximum, la plus grande valeur. Dans le schéma plus bas, elle est loin de la boîte, au bout de la queue de droite.

Enfin, un losange marque la moyenne. Elle est à droite de la médiane, parce que la queue de droite la tire de son côté.

Une convention courante : certaines boîtes dessinent à part, par un point, une valeur qui dépasse les quartiles de plus de 1,5 fois l'écart interquartile. La moustache s'arrête alors avant.

Voici un histogramme et la boîte à moustaches de la même série fictive, sur le même axe, avec leurs dix repères numérotés. Touchez un numéro, puis choisissez le terme.

Le mode Corrigé montre toutes les légendes et leur définition.

0 / 10 placées · touchez un numéro

Histogramme et boîte à moustaches, sans légendeseffectifvaleur mesuréedonnées fictives12345678910
Histogramme et boîte à moustaches

Retour au problème

Question 1 : quel nombre résume la série ? Cela dépend de la question.

Pour situer la durée du milieu, la médiane : la moitié des patients restent moins de 1,8 jour, et un quart restent plus de 3,7 jours.

Pour retrouver le total de jours à prévoir, la moyenne : 3,4 jours multipliés par le nombre de patients.

Question 2 : l'écart interquartile vaut 3,7 − 0,93 ≈ 2,8 jours : la moitié centrale des séjours va de 0,93 à 3,7 jours.

L'écart-type (5,1 jours) et l'étendue des séjours retenus (de 0,17 à 60 jours) sont beaucoup plus grands, car quelques séjours très longs pèsent sur eux.

Question 3 : la distribution est asymétrique à droite. Dans ce cas, la moyenne se place en général du côté de la queue, au dessus de la médiane.

Quelques très longs séjours augmentent la moyenne, sans changer la médiane. Les deux nombres sont justes : ils répondent à deux questions différentes, et le graphique aide à choisir.

À retenir

À retenir

  • Variable : qualitative (catégorie) ou quantitative ; une variable quantitative est discrète (comptage) ou continue (mesure).
  • Histogramme : barres collées, une par classe ; il montre la distribution : sa forme, son mode, sa queue.
  • Position : la moyenne dépend de la taille des valeurs, la médiane seulement de leur rang, donc elle résiste aux valeurs extrêmes.
  • Quartiles : plusieurs méthodes existent ; il faut savoir laquelle a servi.
  • Dispersion : étendue, écart-type, écart interquartile, coefficient de variation (sans unité).
  • Variance d'un échantillon : somme des carrés ÷ (effectif − 1), ce qui corrige, en moyenne, une dispersion observée trop petite.
  • Boîte à moustaches : cinq valeurs ; la forme de la distribution guide le choix des indicateurs.

20 QCM corrigés

Cinq propositions, une ou plusieurs exactes. Coche, valide : la correction de chaque proposition s'affiche. Barème indicatif : 1 point sans erreur, 0,7 avec une erreur, 0,1 avec deux, 0 au-delà.

QCM 1 classer des variables à partir de cas courts

On relève, chez chaque patient d'un échantillon fictif, cinq variables : la variable 1 est le groupe sanguin ; la variable 2 est la masse du patient, en kg ; la variable 3 est le nombre de chutes dans l'année ; la variable 4 est la durée du séjour, en jours ; la variable 5 est le service d'hospitalisation (cardiologie, pneumologie, etc.).

Quelles propositions sont exactes ?

QCM 2 effectif, fréquence et mode d'une variable qualitative

Dans un échantillon fictif de 250 patients, on relève le type d'admission à l'hôpital (variable qualitative). Données fictives.

Type d'admission urgences rendez-vous transfert autre
Effectif 110 90 35 15

Quelles propositions sont exactes ?

QCM 3 calculer moyenne, médiane et quartiles d'une série (méthode des moitiés)

Dix durées d'attente fictives, en minutes, rangées par ordre croissant : 12, 15, 15, 18, 20, 22, 25, 30, 35, 48. Pour les quartiles, on utilise la méthode des médianes des moitiés : médiane de la moitié basse (les cinq plus petites valeurs), puis médiane de la moitié haute (les cinq plus grandes).

Quelles propositions sont exactes ?

QCM 4 effet d'une valeur extrême sur moyenne, médiane et quartiles

Huit durées de séjour fictives, en jours : 2, 3, 3, 4, 5, 6, 7, 9. On remplace la plus grande, 9, par 49. Pour les quartiles, on utilise la méthode des médianes des moitiés (quatre valeurs de chaque côté).

Quelles propositions sont exactes ?

QCM 5 pourquoi la médiane résiste et ce que permet la moyenne

À propos de la moyenne et de la médiane d'une série de valeurs :

QCM 6 comparer deux variables par écart-type et coefficient de variation

Sur un échantillon fictif, la taille a pour moyenne 170 cm et pour écart-type 8,5 cm ; le poids a pour moyenne 68 kg et pour écart-type 13,6 kg. Les deux variables sont toujours positives. Valeurs fictives.

Quelles propositions sont exactes ?

QCM 7 changer d'unité : moyenne, écart-type, variance et coefficient de variation

Sur une série fictive de durées de séjour, la moyenne vaut 3 jours et l'écart-type 1,5 jour. On exprime maintenant la même série en heures (1 jour = 24 heures).

Quelles propositions sont exactes ?

QCM 8 calculer variance et écart-type d'un échantillon

Cinq durées de séjour fictives, en jours : 3, 5, 6, 8, 8. Ces cinq patients forment un échantillon. La moyenne vaut 6 jours.

Quelles propositions sont exactes ?

QCM 9 pourquoi diviser par l'effectif moins un

À propos de la variance d'un échantillon :

QCM 10 lire une boîte à moustaches

Une boîte à moustaches (fictive) de délais, en jours, suit la convention du cours : la moustache de gauche part du minimum, la boîte va du premier au troisième quartile avec un trait pour la médiane, la moustache de droite va jusqu'au maximum, et un losange marque la moyenne. Lecture : minimum 2, premier quartile 5, médiane 8, troisième quartile 14, maximum 31, losange à 11. Les quartiles sont donnés : aucune méthode de calcul n'est à appliquer.

Quelles propositions sont exactes ?

QCM 11 comparer deux boîtes à moustaches de même médiane

Deux services fictifs ont chacun une boîte à moustaches de durées de séjour, en jours. Service 1 : minimum 3, premier quartile 6, médiane 9, troisième quartile 12, maximum 20. Service 2 : minimum 1, premier quartile 4, médiane 9, troisième quartile 18, maximum 40. Les quartiles sont donnés : aucune méthode de calcul n'est à appliquer.

Quelles propositions sont exactes ?

QCM 12 lire un histogramme décrit par un tableau d'effectifs

Les durées de séjour fictives de 200 patients sont regroupées en classes d'un jour de large. Données fictives.

Classe (jours) [0 ; 1[ [1 ; 2[ [2 ; 3[ [3 ; 4[ [4 ; 5[ [5 ; 6[ [6 ; 7[ [7 ; 8[
Effectif 24 60 46 30 18 12 6 4

On dessine l'histogramme de ces données. Pour situer la médiane, on range les 200 valeurs : c'est la moyenne des 100e et 101e valeurs, et on trouve leur classe en additionnant les effectifs des classes, de gauche à droite.

Quelles propositions sont exactes ?

QCM 13 position de la moyenne par rapport à la médiane selon la queue

La distribution d'une variable est asymétrique à gauche : l'histogramme s'étire vers la gauche, avec quelques valeurs très petites.

Quelles propositions sont exactes ?

QCM 14 deux méthodes de calcul des quartiles, deux résultats

Huit valeurs fictives, rangées par ordre croissant : 4, 6, 7, 9, 10, 13, 15, 22. On calcule les quartiles de deux façons. Méthode 1 : médiane de la moitié basse, puis médiane de la moitié haute. Méthode 2 : le premier (respectivement troisième) quartile est la plus petite valeur de la série dont au moins 1/4 (respectivement 3/4) des valeurs sont inférieures ou égales.

Quelles propositions sont exactes ?

QCM 15 effet d'une valeur extrême sur les indicateurs de dispersion

Huit valeurs fictives : 10, 12, 13, 15, 16, 18, 19, 21. On remplace la plus grande, 21, par 61. Pour les quartiles, on utilise la méthode des médianes des moitiés ; pour l'écart-type, on divise par l'effectif moins un (échantillon).

Quelles propositions sont exactes ?

QCM 16 lire les résultats de l'étude sur les durées de séjour en soins intensifs

L'étude du cours (Moran et Solomon, 2012) porte sur les séjours retenus de patients adultes en unités de soins intensifs : moyenne 3,4 jours, écart-type 5,1 jours, médiane 1,8 jour, premier quartile 0,93 jour, troisième quartile 3,7 jours, minimum 0,17 jour, maximum 60 jours (quartiles tels que donnés par les auteurs : aucune méthode de calcul n'est à appliquer). Les auteurs ont notamment écarté les séjours de moins de 4 heures et ceux de plus de 60 jours.

Quelles propositions sont exactes ?

QCM 17 quantile, quartile, médiane et mode

À propos des indicateurs de position :

QCM 18 histogramme, barres séparées et classes

À propos des graphiques d'une variable :

QCM 19 valeur dessinée à part par la règle de 1,5 fois l'écart interquartile

Dans une série fictive de durées, en jours, le premier quartile vaut 10 et le troisième quartile 20 (quartiles donnés : aucune méthode de calcul n'est à appliquer). La plus grande valeur est 41 et la deuxième plus grande est 33. On trace la boîte à moustaches avec la convention du cours : une valeur qui dépasse les quartiles de plus d'une fois et demie l'écart interquartile est dessinée à part, par un point, et la moustache s'arrête alors avant.

Quelles propositions sont exactes ?

QCM 20 choisir et interpréter les indicateurs

À propos du choix des indicateurs pour résumer une série :