L’exploration des ph\u00e9nom\u00e8nes psychologiques, comportementaux et sociaux repose fondamentalement sur notre capacit\u00e9 \u00e0 quantifier des variables complexes, allant du temps de r\u00e9action cognitive \u00e0 l’intensit\u00e9 d’un affect d\u00e9pressif, en passant par les dynamiques d’adh\u00e9sion id\u00e9ologique au sein d’un groupe. Dans cette qu\u00eate d’intelligibilit\u00e9 scientifique, la r\u00e9duction des donn\u00e9es brutes en indicateurs synth\u00e9tiques constitue une \u00e9tape indispensable. Les mesures de tendance centrale \u2014 traditionnellement incarn\u00e9es par la moyenne arithm\u00e9tique, la m\u00e9diane ordinale et le mode nominal \u2014 forment l’armature \u00e9l\u00e9mentaire de la statistique descriptive appliqu\u00e9e aux sciences humaines. Pourtant, leur s\u00e9lection au sein des protocoles de recherche clinique et organisationnelle demeure trop souvent dict\u00e9e par des automatismes m\u00e9thodologiques plut\u00f4t que par une r\u00e9flexion rigoureuse sur la nature intrins\u00e8que des \u00e9chelles de mesure et la distribution sous-jacente des observations empiriques.<\/p>\n
Dans la pratique contemporaine, l’analyste de donn\u00e9es et le clinicien se heurtent quotidiennement \u00e0 des distributions asym\u00e9triques, contamin\u00e9es par des valeurs aberrantes ou caract\u00e9ris\u00e9es par des ph\u00e9nom\u00e8nes de multimodalit\u00e9 sous-jacents qui d\u00e9fient les postulats de la normalit\u00e9 gaussienne. L’assimilation indiff\u00e9renci\u00e9e de la moyenne comme unique barycentre d’un ensemble de donn\u00e9es engendre fr\u00e9quemment des distorsions diagnostiques, des biais d’allocation de ressources en sant\u00e9 publique et des interpr\u00e9tations erron\u00e9es du comportement humain. D\u00e8s lors, le choix entre la moyenne, la m\u00e9diane et le mode ne rel\u00e8ve pas d’une simple pr\u00e9f\u00e9rence computationnelle ; il s’agit d’un acte \u00e9pist\u00e9mologique structurant, conditionnant la validit\u00e9 interne des conclusions inf\u00e9r\u00e9es \u00e0 partir d’\u00e9chantillons probabilistes ou cliniques.<\/p>\n
Ce trait\u00e9 encyclop\u00e9dique se propose d’examiner exhaustivement les fondements th\u00e9oriques, les propri\u00e9t\u00e9s formelles et les applications pratiques concr\u00e8tes de ces trois param\u00e8tres de position dans le vaste champ des sciences du comportement, de la psychom\u00e9trie, de la neuropsychologie, de l’\u00e9pid\u00e9miologie clinique et de la psychologie organisationnelle. En ancrant chaque concept math\u00e9matique dans des contextes r\u00e9els, document\u00e9s et mod\u00e9lis\u00e9s, cette analyse vise \u00e0 fournir aux chercheurs, cliniciens et praticiens les outils d’arbitrage m\u00e9thodologique n\u00e9cessaires pour naviguer avec rigueur entre repr\u00e9sentativit\u00e9 math\u00e9matique, robustesse statistique et fid\u00e9lit\u00e9 ph\u00e9nom\u00e9nologique.<\/p>\n
Avant d’examiner les d\u00e9ploiements appliqu\u00e9s des param\u00e8tres de position dans les multiples branches de la psychologie contemporaine, il convient d’\u00e9tablir avec une absolue rigueur leurs d\u00e9finitions op\u00e9rationnelles, leurs soubassements formels et leurs axiomes d’invariance. L’ad\u00e9quation d’un indicateur de tendance centrale d\u00e9pend intrins\u00e8quement de la structure topologique de l’espace des donn\u00e9es et de l’objectif d’inf\u00e9rence vis\u00e9 par l’exp\u00e9rimentateur.<\/p>\n
La moyenne arithm\u00e9tique, not\u00e9e classiquement $\\bar{x}$<\/span> pour un \u00e9chantillon empirique de taille $n$<\/span> ou $\\mu$<\/span> pour une population param\u00e9trique, correspond au barycentre ou centre de gravit\u00e9 d’une distribution quantitative continue. Sur le plan formel, elle se d\u00e9finit comme l’unique valeur r\u00e9elle minimisant la somme des carr\u00e9s des \u00e9carts \u00e0 chaque observation vectorielle du jeu de donn\u00e9es :<\/p>\n $$\\bar{x} = \\frac{1}{n}\\sum_{i=1}^n x_i = arg\\min_c \\sum_{i=1}^n (x_i – c)^2$$<\/span><\/p>\n Cette propri\u00e9t\u00e9 de minimisation quadratique conf\u00e8re \u00e0 la moyenne une \u00e9l\u00e9gance alg\u00e9brique fondamentale, en faisant l’estimateur sans biais de variance minimale sous l’hypoth\u00e8se de distributions suivant strictement une loi normale<\/a> de Gauss-Laplace. En psychom\u00e9trie, la moyenne constitue le socle des mod\u00e8les lin\u00e9aires g\u00e9n\u00e9raux, de l’analyse factorielle confirmatoire et des analyses de variance multivari\u00e9es (MANOVA).<\/p>\n Toutefois, cette reliance constitutive sur la fonction de perte quadratique induit une extr\u00eame vuln\u00e9rabilit\u00e9 \u00e9pist\u00e9mologique face aux valeurs aberrantes, commun\u00e9ment d\u00e9sign\u00e9es sous l’anglicisme outliers<\/em>. \u00c9tant donn\u00e9 que chaque score $x_i$<\/span> contribue de mani\u00e8re \u00e9quipond\u00e9r\u00e9e et lin\u00e9aire \u00e0 la somme globale, l’apparition d’un \u00e9v\u00e9nement pathologique ou d’une erreur d’enregistrement d’amplitude disproportionn\u00e9e d\u00e9place m\u00e9caniquement le barycentre vers la queue de distribution. En psychom\u00e9trie diff\u00e9rentielle, l’adjonction d’un unique sujet manifestant un temps de latence cognitive d\u00e9mesur\u00e9ment \u00e9tendu \u2014 r\u00e9sultant d’un artefact moteur ou d’une d\u00e9connexion attentionnelle transitoire \u2014 suffit \u00e0 d\u00e9placer substantiellement la moyenne de l’\u00e9chantillon, g\u00e9n\u00e9rant une illusion statistique de d\u00e9ficit cognitif g\u00e9n\u00e9ralis\u00e9.<\/p>\n Pour att\u00e9nuer ces distorsions au sein des batteries d’\u00e9valuations standardis\u00e9es sans renoncer aux vertus m\u00e9triques du cadre param\u00e9trique, les psychom\u00e9triciens recourent fr\u00e9quemment \u00e0 la moyenne arithm\u00e9tique pond\u00e9r\u00e9e. Dans ce paradigme, chaque composante vectorielle se voit assigner un coefficient de pond\u00e9ration $w_i ge 0$<\/span>, refl\u00e9tant la fiabilit\u00e9 de mesure de l’item (comme le coefficient de fid\u00e9lit\u00e9 composite ou la saturation factorielle) :<\/p>\n $$\\bar{x}_w = \\frac{\\sum_{i=1}^n w_i x_i}{\\sum_{i=1}^n w_i}$$<\/span><\/p>\n Ce dispositif permet de calibrer les scores globaux des batteries d’\u00e9valuation en accordant un poids sup\u00e9rieur aux \u00e9preuves manifestant une variance d’erreur minimale, prot\u00e9geant ainsi partiellement le barycentre contre le bruit d’\u00e9chantillonnage non contr\u00f4l\u00e9.<\/p>\n Contrairement \u00e0 la moyenne arithm\u00e9tique qui op\u00e8re dans l’espace euclidien des quantit\u00e9s m\u00e9triques, la m\u00e9diane, conventionnellement not\u00e9e $Me$<\/span> ou $\\tilde{x}$<\/span>, s’ancre dans la structure ordinale de l’information. Op\u00e9rationnellement, la m\u00e9diane repr\u00e9sente le fractile d’ordre 0,50, c’est-\u00e0-dire le point de coupure partitionnant une suite ordonn\u00e9e d’observations en deux sous-groupes de fr\u00e9quences strictement \u00e9quivalentes :<\/p>\n $$P(X le Me) ge 0{,}5 \\quad \\text{et} \\quad P(X ge Me) ge 0{,}5$$<\/span><\/p>\n Pour une s\u00e9rie discr\u00e8te tri\u00e9e par ordre croissant de taille $n$<\/span>, la valeur m\u00e9diane s’identifie \u00e0 la valeur du rang $(n + 1) \/ 2$<\/span> si la taille est impaire, ou \u00e0 la demi-somme des valeurs adjacentes situ\u00e9es aux rangs $n\/2$<\/span> et $(n\/2) + 1$<\/span> si la taille est paire. Sur le plan de la th\u00e9orie de l’estimation robuste, la m\u00e9diane se pr\u00e9sente comme la valeur $c$<\/span> qui minimise la somme des d\u00e9viations absolues simples :<\/p>\n $$Me = arg\\min_c \\sum_{i=1}^n |x_i – c|$$<\/span><\/p>\n Cette sp\u00e9cification conf\u00e8re \u00e0 la m\u00e9diane une insensibilit\u00e9 structurelle aux valeurs extr\u00eames, son point de rupture (breakdown point<\/em>) atteignant $50%$<\/span>. Cela signifie que jusqu’\u00e0 la moiti\u00e9 des observations d’un \u00e9chantillon peuvent \u00eatre corrompues ou d\u00e9port\u00e9es vers l’infini sans que la m\u00e9diane ne diverge hors de l’intervalle d\u00e9limit\u00e9 par les observations saines r\u00e9siduelles. En cons\u00e9quence, la m\u00e9diane fait preuve d’une robustesse m\u00e9thodologique absolue face aux distributions manifestant une asym\u00e9trie positive (\u00e9talement vers la droite) ou une asym\u00e9trie n\u00e9gative (\u00e9talement vers la gauche).<\/p>\n Cette invariance par transformation monotone croissante rend l’usage de la m\u00e9diane indispensable lors du traitement des \u00e9chelles ordinales d’attitudes subjectives (telles que les \u00e9chelles de Likert \u00e0 5 ou 7 points). Sur ces \u00e9chelles, l’intervalle s\u00e9parant deux modalit\u00e9s successives (par exemple, \u00ab Tout \u00e0 fait d’accord \u00bb et \u00ab D’accord \u00bb) ne saurait \u00eatre suppos\u00e9 m\u00e9triquement identique \u00e0 celui s\u00e9parant les modalit\u00e9s \u00ab Neutre \u00bb et \u00ab Pas d’accord \u00bb. La projection abusive d’un op\u00e9rateur m\u00e9trique comme la moyenne sur ces structures non lin\u00e9aires constitue une faute \u00e9pist\u00e9mique majeure, \u00e0 laquelle l’analyse m\u00e9diane permet de rem\u00e9dier en pr\u00e9servant l’int\u00e9grit\u00e9 de l’ordonnancement sans postuler une \u00e9quidistance chim\u00e9rique.<\/p>\n Le mode, symbolis\u00e9 par $Mo$<\/span>, se d\u00e9finit comme la valeur, la classe modale ou la modalit\u00e9 qualitative affichant la fr\u00e9quence d’apparition absolue ou relative la plus \u00e9lev\u00e9e au sein de l’\u00e9chantillon ou de la cohorte consid\u00e9r\u00e9e :<\/p>\n $$Mo = arg\\max_x f(x)$$<\/span><\/p>\n o\u00f9 $f(x)$<\/span> d\u00e9signe la fonction de masse empirique dans le cadre de variables discr\u00e8tes ou nominales, ou la fonction de densit\u00e9 de probabilit\u00e9 estim\u00e9e (notamment par fen\u00eatrage de Parzen-Rosenblatt) pour des variables continues partitionn\u00e9es en intervalles. Le mode pr\u00e9sente l’attribut unique d’\u00eatre l’unique mesure de tendance centrale applicable aux variables purement qualitatives nominales priv\u00e9es de tout ordre intrins\u00e8que, telles que les typologies nosographiques du DSM-5, le statut marital ou l’orientation professionnelle.<\/p>\n L’utilit\u00e9 fondamentale du mode s’exprime dans la d\u00e9tection pr\u00e9coce et l’explicitation des ph\u00e9nom\u00e8nes de multimodalit\u00e9 au sein des populations \u00e9valu\u00e9es. Alors que la moyenne et la m\u00e9diane r\u00e9duisent syst\u00e9matiquement l’information \u00e0 une valeur centrale unique qui risque de correspondre \u00e0 un vide empirique total, l’observation d’une distribution bimodale ou multimodale signale formellement l’existence de deux ou plusieurs sous-populations h\u00e9t\u00e9rog\u00e8nes amalgam\u00e9es \u00e0 tort sous une m\u00eame d\u00e9signation nosologique ou cat\u00e9gorielle.<\/p>\n \u00c0 titre d’illustration, si l’on \u00e9tudie le niveau de d\u00e9tresse psychologique cons\u00e9cutif \u00e0 un traumatisme majeur, une distribution r\u00e9v\u00e9lant un pic modal \u00e0 un niveau de symptomatologie quasi-nul conjugu\u00e9 \u00e0 un second pic modal situ\u00e9 aux seuils cliniques s\u00e9v\u00e8res r\u00e9v\u00e8le une typologie binaire de r\u00e9silience versus effondrement adaptatif. Dans ce contexte, projeter une moyenne arithm\u00e9tique au centre g\u00e9om\u00e9trique des deux modes aboutirait \u00e0 caract\u00e9riser la cohorte par un niveau de d\u00e9tresse mod\u00e9r\u00e9 qu’aucun individu concret ne manifeste dans la r\u00e9alit\u00e9 clinique. Le mode s’av\u00e8re donc indispensable pour pr\u00e9server la v\u00e9rit\u00e9 typologique des donn\u00e9es empiriques et orienter l’investigation vers des mod\u00e8les de m\u00e9langes gaussiens (Gaussian Mixture Models<\/em>).<\/p>\n Le secteur de la sant\u00e9 publique et des soins psychiatriques mobilise en permanence les m\u00e9triques de tendance centrale pour structurer la dispensation des soins, \u00e9quilibrer les m\u00e9canismes de solidarit\u00e9 assurantielle et ajuster les protocoles th\u00e9rapeutiques. Les d\u00e9faillances de mod\u00e9lisation dans ce domaine engendrent des r\u00e9percussions directes sur l’\u00e9quit\u00e9 d’acc\u00e8s aux traitements et la soutenabilit\u00e9 financi\u00e8re des syst\u00e8mes hospitaliers.<\/p>\n Au sein des organisations d’assurance maladie et des directions r\u00e9gionales de la sant\u00e9, le param\u00e9trage actuariel exige une triangulation syst\u00e9matique entre moyenne, m\u00e9diane et mode des \u00e2ges des b\u00e9n\u00e9ficiaires. Le calcul de l’\u00e2ge moyen sert de socle \u00e0 la quantification du risque agr\u00e9g\u00e9 selon les tables de survie standardis\u00e9es. Si une mutuelle de sant\u00e9 constate un \u00e2ge moyen de ses assur\u00e9s s’\u00e9levant \u00e0 48,6 ans, cette valeur param\u00e9trique alimente directement les mod\u00e8les de tarification pr\u00e9visionnelle r\u00e9gissant le volume global des fonds de r\u00e9serve requis pour couvrir les d\u00e9penses futures en soins de longue dur\u00e9e.<\/p>\n N\u00e9anmoins, la prise en compte de l’\u00e2ge modal constitue le levier strat\u00e9gique pr\u00e9pond\u00e9rant pour dimensionner avec pr\u00e9cision les campagnes de d\u00e9pistage et de pr\u00e9vention cibl\u00e9e. Si une analyse \u00e9pid\u00e9miologique r\u00e9v\u00e8le que, bien que l’\u00e2ge moyen soit de 48 ans, le pic modal se situe fermement entre 22 et 25 ans en raison d’une forte affiliation \u00e9tudiante, la gouvernance sanitaire allouera ses investissements prioritaires \u00e0 la d\u00e9tection pr\u00e9coce du premier \u00e9pisode psychotique, \u00e0 la prise en charge des addictions comportementales et \u00e0 la lutte contre les d\u00e9pressions universitaires. Le mode indique la r\u00e9alit\u00e9 volum\u00e9trique op\u00e9rationnelle \u00e0 laquelle les infrastructures de soins primaires feront face au quotidien.<\/p>\n Simultan\u00e9ment, la m\u00e9diane d’\u00e2ge intervient comme l’indicateur d’inflexion d\u00e9mographique le plus fiable pour anticiper la pr\u00e9valence des pathologies chroniques \u00e9mergentes. Dans les territoires ruraux ou p\u00e9riurbains confront\u00e9s \u00e0 une fuite des cohortes actives jeunes, une m\u00e9diane d’\u00e2ge atteignant 57 ans \u2014 sensiblement sup\u00e9rieure \u00e0 la moyenne nationale \u2014 alerte imm\u00e9diatement les autorit\u00e9s sur l’imminence d’une saturation des structures d’accueil en g\u00e9rontopsychiatrie et de soins palliatifs, dictant une refonte structurelle des quotas r\u00e9gionaux d’\u00e9quipements m\u00e9dicaux.<\/p>\n L’analyse \u00e9conomique des co\u00fbts associ\u00e9s aux parcours de soins psychoth\u00e9rapeutiques et psychiatriques fournit un exemple d’\u00e9cole illustrant l’inad\u00e9quation de la moyenne pour refl\u00e9ter la d\u00e9pense individuelle standard. La distribution des d\u00e9penses annuelles par patient se caract\u00e9rise syst\u00e9matiquement par une asym\u00e9trie positive colossale : la grande majorit\u00e9 des usagers ne consulte qu’entre 3 et 8 s\u00e9ances en ambulatoire pour des troubles d’ajustement transitoires, g\u00e9n\u00e9rant des co\u00fbts annuels limit\u00e9s \u00e0 quelques centaines d’euros.<\/p>\n Cependant, une infime minorit\u00e9 de patients souffrant de schizophr\u00e9nie r\u00e9fractaire, de troubles de l’humeur bipolaires instables ou de troubles graves de la personnalit\u00e9 requiert des hospitalisations psychiatriques it\u00e9ratives en milieu ferm\u00e9, des th\u00e9rapies institutionnelles intensives et des traitements neuroleptiques de pointe administr\u00e9s par intraveineuse sous surveillance continue. Ces trajectoires complexes mobilisent des centaines de milliers d’euros par individu. Si l’on applique la moyenne arithm\u00e9tique budg\u00e9taire sur une telle cohorte, le co\u00fbt moyen annuel par patient peut avoisiner les 7 500 euros, un chiffre absolument d\u00e9connect\u00e9 de l’exp\u00e9rience financi\u00e8re de 85 % de la file active.<\/p>\n D\u00e8s lors, les agences de r\u00e9gulation de l’assurance maladie privil\u00e9gient imp\u00e9rativement la m\u00e9diane financi\u00e8re pour \u00e9valuer le co\u00fbt support\u00e9 par le patient m\u00e9dian, lequel s’\u00e9tablit fr\u00e9quemment autour de 450 \u00e0 600 euros par an. Cette m\u00e9diane mon\u00e9taire permet de l\u00e9gif\u00e9rer \u00e9quitablement sur les taux de remboursement des consultations de psychologie lib\u00e9rale et de concevoir des paniers de soins solidaires r\u00e9alistes. L’arbitrage judicieux consiste ici \u00e0 isoler les d\u00e9penses m\u00e9dianes pour calibrer la r\u00e9gulation des soins ambulatoires de masse, tout en r\u00e9servant l’enveloppe budg\u00e9taire d\u00e9duite de la moyenne agr\u00e9g\u00e9e pour provisionner les fonds de secours d’urgence destin\u00e9s \u00e0 couvrir les d\u00e9penses catastrophiques engendr\u00e9es par les hospitalisations lourdes.<\/p>\n Dans le management d’un centre m\u00e9dico-psychologique ou d’une clinique de consultations externes, la gestion op\u00e9rationnelle des flux de patients repose prioritairement sur l’analyse modale des motifs d’admission. Contrairement aux grandeurs quantitatives, les motifs de consultation repr\u00e9sentent des donn\u00e9es qualitatives nominales r\u00e9pertori\u00e9es selon la Classification Internationale des Maladies (CIM-11<\/a>). Les notions de moyenne ou de m\u00e9diane arithm\u00e9tique y sont donc math\u00e9matiquement d\u00e9nu\u00e9es de sens.<\/p>\n L’extraction du mode clinique permet d’identifier sans ambigu\u00eft\u00e9 la pathologie dominante au sein de la communaut\u00e9 desservie. Si l’analyse des dossiers r\u00e9v\u00e8le que le mode diagnostique absolu est le trouble anxieux g\u00e9n\u00e9ralis\u00e9 (TAG), suivi d’un mode secondaire constitu\u00e9 par l’\u00e9pisode d\u00e9pressif caract\u00e9ris\u00e9 mod\u00e9r\u00e9, la direction clinique ajustera en cons\u00e9quence la composition pluridisciplinaire de son \u00e9quipe soignante. Au lieu de recruter des hyper-sp\u00e9cialistes des troubles dissociatifs rares, l’\u00e9tablissement investira massivement dans l’embauche de psychologues form\u00e9s aux protocoles standardis\u00e9s de th\u00e9rapie cognitivo-comportementale (TCC) ax\u00e9s sur la r\u00e9gulation de l’anxi\u00e9t\u00e9.<\/p>\n Par ailleurs, le monitoring longitudinal des fluctuations de ce mode clinique constitue un traceur \u00e9pid\u00e9miologique d’une sensibilit\u00e9 remarquable face aux bouleversements environnementaux. L’observation d’un glissement du mode historique vers les conduites phobiques sociales ou les addictions aux \u00e9crans chez les adolescents suite \u00e0 des confinements prolong\u00e9s permet de d\u00e9clencher des s\u00e9minaires cibl\u00e9s de formation continue pour les praticiens en exercice. Ce r\u00e9alignement programmatique, dict\u00e9 par la logique du mode dominant, assure une synchronisation parfaite entre les comp\u00e9tences th\u00e9rapeutiques disponibles et le profil pr\u00e9valent de la demande de soins.<\/p>\n La psychom\u00e9trie diff\u00e9rentielle constitue sans doute le domaine o\u00f9 l’articulation formelle entre la moyenne, la m\u00e9diane et le mode atteint son degr\u00e9 d’intrication m\u00e9thodologique le plus pouss\u00e9. Les instruments de mesure des facult\u00e9s intellectuelles g\u00e9n\u00e9rales, \u00e0 l’image des \u00e9chelles de Wechsler (WAIS-IV pour adultes, WISC-V pour enfants), ont \u00e9t\u00e9 intentionnellement standardis\u00e9s pour transformer des distributions brutes h\u00e9t\u00e9roclites en distributions statistiques canoniques.<\/p>\n Le paradigme fondamental des \u00e9chelles contemporaines d’efficience cognitive repose sur une standardisation gaussienne rigide. Les scores bruts agr\u00e9g\u00e9s issus des divers subtests sont normalis\u00e9s par transformation lin\u00e9aire pour produire une distribution d’indice de quotient intellectuel (QI) affichant une moyenne th\u00e9orique arbitrairement fix\u00e9e \u00e0 100 et un \u00e9cart-type ($\\sigma$<\/span>) normalis\u00e9 \u00e0 15 :<\/p>\n $$\\text{QI} = 100 + 15 \\times \\left( \\frac{X – \\mu_X}{\\sigma_X} \\right)$$<\/span><\/p>\n Cette convention statistique implique qu’au sein de la population g\u00e9n\u00e9rale servant de groupe de r\u00e9f\u00e9rence normatif, les trois param\u00e8tres de tendance centrale co\u00efncident th\u00e9oriquement de mani\u00e8re parfaite en raison de la stricte sym\u00e9trie de la courbe en cloche de Gauss : $\\bar{x} = Me = Mo = 100$<\/span>. Dans cette configuration id\u00e9ale, la moyenne fournit une m\u00e9trique \u00e9talonn\u00e9e permettant au clinicien de situer instantan\u00e9ment la performance globale d’un sujet en termes d’\u00e9cart-type par rapport \u00e0 ses pairs du m\u00eame groupe d’\u00e2ge chronologique.<\/p>\n Un score positionn\u00e9 \u00e0 deux \u00e9carts-types au-dessus de la moyenne (QI de 130) d\u00e9limite formellement le seuil d’admissibilit\u00e9 statistique aux programmes d’identification du haut potentiel intellectuel, correspondant approximativement au 97,7e<\/sup> percentile. Inversement, une performance situ\u00e9e \u00e0 deux \u00e9carts-types sous la moyenne (QI de 70) constitue l’un des crit\u00e8res dimensionnels requis pour le diagnostic de d\u00e9ficit intellectuel selon les standards de l’Association Am\u00e9ricaine de Psychiatrie.<\/p>\n1.2 La m\u00e9diane : point de partage ordinal et r\u00e9sistance aux asym\u00e9tries<\/h3>\n
1.3 Le mode : identification de la valeur dominante et distribution multimodale<\/h3>\n
2. Applications pratiques dans le domaine de la sant\u00e9 mentale et des soins de sant\u00e9<\/h2>\n
2.1 \u00c9valuation de l’\u00e2ge des patients et calcul des primes d’assurance sant\u00e9<\/h3>\n
2.2 D\u00e9penses annuelles en psychoth\u00e9rapie : m\u00e9diane vs moyenne budg\u00e9taire<\/h3>\n
2.3 Fr\u00e9quence des motifs de consultation en clinique : la pr\u00e9valence du mode<\/h3>\n
3. \u00c9valuation psychom\u00e9trique et analyse des tests de quotient intellectuel (QI)<\/h2>\n
3.1 Normalisation des \u00e9chelles de Wechsler : la moyenne th\u00e9orique de 100<\/h3>\n