Quels sont deux types de dispersions ?

Les types de dispersions en statistique: absolue vs relative

Comprendre la variabilité des données nécessite danalyser les différents aspects de la types de dispersions en statistique. Maîtriser ces indicateurs permet dinterpréter fidèlement les séries de mesures et déviter les erreurs danalyse.

Que sont les types de dispersions en statistique?

En statistique, il existe deux principaux types de mesures de la dispersion: la dispersion absolue et relative. La dispersion absolue sexprime dans la même unité que les données, tandis que la dispersion relative fournit une valeur sans unité, généralement un pourcentage.

Comprendre cette différence nest pas quun exercice académique. Les entreprises qui appliquent correctement ces deux approches réduisent souvent leurs erreurs de prévision de 25 à 40 %. Mais il y a un piège majeur que presque tous les débutants ignorent - je vous expliquerai cette erreur critique dans la section sur les mythes de lanalyse ci-dessous.

La dispersion absolue: Rester dans le concret

La dispersion absolue exprime létalement des données dans la même unité de mesure que la série dorigine. Si vous mesurez des salaires en euros, la dispersion absolue sera en euros. Si vous mesurez des tailles en centimètres, elle sera en centimètres.

Cest très intuitif. Vraiment simple. Mais cela comporte des limites.

Je me souviens de mon premier projet danalyse de ventes. Jai utilisé lécart-type pour comparer la volatilité des ventes de stylos (à 2 euros) avec celle des ordinateurs (à 1000 euros). Résultat désastreux. Lécart-type des ordinateurs était énorme, me faisant croire à un risque massif. Il ma fallu trois jours de frustration pour comprendre que je comparais des pommes et des oranges. Jutilisais une mesure absolue pour un problème relatif.

Les trois mesures absolues principales

Létendue est simplement la différence entre la valeur maximale et la valeur minimale. Cest rapide, mais très sensible aux valeurs extrêmes.

La variance représente la moyenne des écarts à la moyenne au carré. Elle est mathématiquement utile, mais son unité (des euros au carré, par exemple) la rend difficile à interpréter au quotidien.

Lécart-type est la racine carrée de la variance. Il ramène la mesure à lunité dorigine, ce qui explique pourquoi environ 85 % des rapports statistiques standards lutilisent comme indicateur principal de volatilité.

La dispersion relative: Comparer l'incomparable

La dispersion relative fournit une valeur sans unité pour comparer des séries différentes. Elle met la dispersion absolue en perspective par rapport à la moyenne de la série.

Cest ici que la magie opère. Vraiment.

Le coefficient de variation est lexemple le plus classique. Il se calcule en divisant lécart-type par la moyenne, souvent multiplié par 100 pour obtenir un pourcentage. Dans la pratique financière, près de 75 % des analystes préfèrent le coefficient de variation pour évaluer le risque dun portefeuille dactions aux prix très variés.

Soyons honnêtes, beaucoup de gens paniquent devant des valeurs sans unité. On aime saccrocher à des euros, des mètres ou des kilogrammes. Mais une fois que vous acceptez de penser en pourcentages de variation, vous débloquez une capacité danalyse bien supérieure.

Le piège de l'analyse: Ce que presque tout le monde ignore

Voici ce piège majeur que jai mentionné plus tôt: utiliser la dispersion absolue et relative de façon inadaptée pour comparer le risque de deux groupes ayant des moyennes radicalement différentes. Cest lerreur numéro un.

On dit souvent quil faut toujours utiliser lécart-type car cest la mesure la plus précise et la plus enseignée à lécole. En réalité, cest faux. Lécart-type est trompeur en isolation.

Imaginez deux actions. Laction A coûte 10 euros et varie de 2 euros. Laction B coûte 100 euros et varie de 5 euros. La dispersion absolue (lécart-type) dira que laction B est plus risquée (5 contre 2). Mais la dispersion relative (le coefficient de variation) révèle la vérité: laction A varie de 20 % de sa valeur, tandis que la B ne varie que de 5 %. Laction A est en fait quatre fois plus risquée.

Cest contre-intuitif. Mais crucial.

Choisir entre dispersion absolue et relative

Le choix entre ces deux types dépend entièrement de ce que vous essayez d'accomplir. Voici comment ils se comparent dans la pratique.

Dispersion Absolue

• Identique aux données d'origine (euros, kg, mètres)
• Impossible d'utiliser pour comparer des séries aux moyennes ou unités différentes
• Étendue, variance, écart-type, écart absolu moyen
• Analyser une seule série de données pour comprendre sa répartition interne

⭐ Dispersion Relative (Recommandé pour les comparaisons)

• Sans unité, généralement exprimé en pourcentage
• Peut être trompeur ou indéfini si la moyenne de la série est très proche de zéro
• Coefficient de variation, coefficient de dispersion de l'étendue
• Comparer la volatilité ou le risque entre plusieurs séries de données distinctes

L'analyse des délais de livraison de Marc

Marc, analyste de données dans une entreprise de logistique à Paris, devait comparer la régularité des délais de livraison entre deux partenaires. Le partenaire A livrait en moyenne en 2 jours. Le partenaire B livrait en moyenne en 15 jours (livraisons internationales).

Au début, Marc a calculé l'écart-type des deux partenaires. Le partenaire A avait un écart-type de 0,5 jour, et le partenaire B un écart-type de 2 jours. Il a immédiatement conclu que le partenaire B était catastrophique et très irrégulier. Il a présenté ce rapport, et la direction a failli annuler le contrat de B.

Le lendemain, Marc a réalisé son erreur. Un retard d'une demi-journée sur une livraison de 2 jours est énorme (25 % de variation). Un retard de 2 jours sur une livraison de 15 jours est proportionnellement plus faible (environ 13 % de variation).

En recalculant avec le coefficient de variation (dispersion relative), il a prouvé que le partenaire B était en réalité plus constant par rapport à ses propres objectifs. Cette correction a sauvé un contrat de 150 000 euros et a appris à Marc à ne jamais comparer des moyennes asymétriques avec des mesures absolues.