{"id":3949,"date":"2026-09-11T04:00:42","date_gmt":"2026-09-11T04:00:42","guid":{"rendered":"http:\/\/french.arabpsychology.com\/statistics\/comment-calculer-la-frequence-attendue\/"},"modified":"2026-09-11T04:00:47","modified_gmt":"2026-09-11T04:00:47","slug":"comment-calculer-la-frequence-attendue","status":"publish","type":"psych_stat","link":"https:\/\/french.arabpsychology.com\/?psych_stat=comment-calculer-la-frequence-attendue","title":{"rendered":"Comment calculer la fr\u00e9quence attendue"},"content":{"rendered":"

L’analyse des variables cat\u00e9gorielles constitue un pilier fondamental de la recherche quantitative en sciences humaines, tout particuli\u00e8rement en psychologie, en psychiatrie et en sciences comportementales. Lorsque les chercheurs s’affranchissent des \u00e9chelles d’intervalles ou de rapports pour s’int\u00e9resser \u00e0 des typologies diagnostiques, des choix comportementaux ou des profils de personnalit\u00e9 discrets, ils sont confront\u00e9s \u00e0 la n\u00e9cessit\u00e9 de mod\u00e9liser des d\u00e9nombrements d’individus au sein de cat\u00e9gories mutuellement exclusives. C’est dans ce cadre m\u00e9thodologique rigoureux que s’inscrit le calcul de la fr\u00e9quence attendue, une grandeur math\u00e9matique souvent qualifi\u00e9e d’effectif th\u00e9orique, qui repr\u00e9sente la distribution des effectifs \u00e0 laquelle on s’attendrait si un mod\u00e8le probabiliste sp\u00e9cifique \u2014 le plus souvent l’absence d’effet ou l’ind\u00e9pendance statistique \u2014 r\u00e9gissait parfaitement les donn\u00e9es observ\u00e9es.<\/p>\n

Comprendre et ma\u00eetriser la d\u00e9termination de ces fr\u00e9quences th\u00e9oriques transcende la simple ex\u00e9cution m\u00e9canique d’un protocole statistique. La fr\u00e9quence attendue mat\u00e9rialise l’hypoth\u00e8se nulle sous une forme directement comparable aux observations empiriques recueillies sur le terrain. Elle sert d’\u00e9talon indispensable au calcul des d\u00e9viances, conditionne l’application des c\u00e9l\u00e8bres tests d’ad\u00e9quation et d’ind\u00e9pendance du Khi-deux formul\u00e9s par Karl Pearson, et dicte la validit\u00e9 m\u00eame des conclusions inf\u00e9rentielles tir\u00e9es par le chercheur. Une mauvaise estimation de ces fr\u00e9quences ou une m\u00e9connaissance de leurs contraintes arithm\u00e9tiques expose l’analyste \u00e0 des distorsions diagnostiques s\u00e9v\u00e8res, \u00e0 des erreurs de d\u00e9cision statistique de premi\u00e8re ou seconde esp\u00e8ce, et \u00e0 des interpr\u00e9tations cliniques erron\u00e9es concernant les comportements humains.<\/p>\n

Le pr\u00e9sent trait\u00e9 propose une exploration exhaustive, didactique et hautement formalis\u00e9e des concepts, des d\u00e9rivations math\u00e9matiques et des applications concr\u00e8tes r\u00e9gissant le calcul de la fr\u00e9quence attendue. \u00c0 travers l’examen d\u00e9taill\u00e9 des mod\u00e8les d’ad\u00e9quation univari\u00e9s et des tables de contingence bivari\u00e9es, enrichi d’\u00e9tudes de cas cliniques et d’exemples pas-\u00e0-pas, cet article fournit aux \u00e9tudiants, praticiens et chercheurs les comp\u00e9tences requises pour calculer, v\u00e9rifier, automatiser et interpr\u00e9ter les fr\u00e9quences th\u00e9oriques avec la plus haute rigueur acad\u00e9mique selon les standards m\u00e9thodologiques contemporains.<\/p>\n

1. Fondements th\u00e9oriques de la fr\u00e9quence attendue en psychologie<\/h2>\n

1.1 D\u00e9finition conceptuelle et port\u00e9e en m\u00e9thodologie quantitative<\/h3>\n

Dans l’arsenal de l’analyse statistique inf\u00e9rentielle, la fr\u00e9quence attendue \u2014 fr\u00e9quemment d\u00e9sign\u00e9e sous le vocable d’effectif th\u00e9orique et not\u00e9e traditionnellement E<\/em> (pour l’anglais Expected frequency<\/em>) ou fe<\/sub><\/em> \u2014 se d\u00e9finit formellement comme le produit d’une probabilit\u00e9 th\u00e9orique postul\u00e9e a priori<\/em> et de la taille totale de l’\u00e9chantillon observ\u00e9. Contrairement \u00e0 une id\u00e9e re\u00e7ue tenace chez les praticiens d\u00e9butants, la fr\u00e9quence attendue ne correspond nullement \u00e0 une pr\u00e9vision temporelle ou \u00e0 une moyenne empirique constat\u00e9e historiquement dans d’autres cohortes. Elle incarne la mat\u00e9rialisation math\u00e9matique d’un \u00e9tat du monde gouvern\u00e9 rigoureusement par un mod\u00e8le probabiliste th\u00e9orique, presque syst\u00e9matiquement associ\u00e9 \u00e0 l’hypoth\u00e8se nulle<\/a> (not\u00e9e H0<\/sub><\/em>).<\/p>\n

En psychologie m\u00e9thodologique, l’usage de donn\u00e9es qualitatives nominales ou ordinales impose une traduction arithm\u00e9tique des concepts th\u00e9oriques. Qu’il s’agisse de cat\u00e9goriser des styles d’attachement, des orientations diagnostiques ou des r\u00e9ponses \u00e0 des items de questionnaires psychom\u00e9triques forc\u00e9s, la distribution observ\u00e9e des participants ne peut \u00eatre jug\u00e9e atypique, asym\u00e9trique ou interd\u00e9pendante que si elle est confront\u00e9e \u00e0 une r\u00e9f\u00e9rence normative invariable. La fr\u00e9quence th\u00e9orique remplit cette fonction d’ancrage en convertissant une hypoth\u00e8se abstraite \u2014 telle que l’\u00e9quiprobabilit\u00e9 de choix d’\u00e9vitement face \u00e0 une menace ou l’absence totale de corr\u00e9lation entre la s\u00e9v\u00e9rit\u00e9 d’un traumatisme et le type de coping mobilis\u00e9 \u2014 en une quantit\u00e9 discr\u00e8te ou continue d’individus attendus dans chaque sous-groupe d’analyse.<\/p>\n

D’un point de vue \u00e9pist\u00e9mologique, la distinction entre pr\u00e9diction probabiliste et r\u00e9gularit\u00e9 observ\u00e9e est cruciale. L’observation empirique rel\u00e8ve du constat ph\u00e9nom\u00e9nologique direct : elle int\u00e8gre la variance d’\u00e9chantillonnage, le bruit de mesure et les contingences environnementales propres au moment de l’exp\u00e9rimentation. \u00c0 l’inverse, la fr\u00e9quence attendue est un invariant logique d\u00e9duit directement des axiomes du mod\u00e8le probabiliste postul\u00e9. Elle relie sans ambigu\u00eft\u00e9 la th\u00e9orie math\u00e9matique de la mesure et l’analyse concr\u00e8te des d\u00e9nombrements comportementaux, offrant ainsi une grille de lecture objective sans laquelle aucune inf\u00e9rence cat\u00e9gorielle ne poss\u00e9derait de valeur probante.<\/p>\n

1.2 Origines de l’inf\u00e9rence non param\u00e9trique de Karl Pearson<\/h3>\n

L’\u00e9mergence formelle du concept de fr\u00e9quence attendue remonte \u00e0 l’aube du XXe si\u00e8cle, sous l’impulsion magistrale de Karl Pearson. En publiant son article fondateur en 1900 dans le Philosophical Magazine<\/em>, Pearson cherchait \u00e0 r\u00e9soudre un d\u00e9fi r\u00e9current en biom\u00e9trie et en psychophysique : comment d\u00e9terminer scientifiquement si une s\u00e9rie d’observations cat\u00e9gorielles s’\u00e9carte significativement d’une loi de distribution postul\u00e9e ? Jusqu’alors, les chercheurs comparaient intuitivement les effectifs r\u00e9els \u00e0 des patrons qualitatifs, sans cadre de normalisation math\u00e9matique unifi\u00e9. Pearson formalisa l’\u00e9cart standardis\u00e9 quadratique entre l’observation empirique et l’attente th\u00e9orique, donnant naissance \u00e0 la c\u00e9l\u00e8bre statistique du Khi-deux (not\u00e9e χ²<\/em>).<\/p>\n

Pour que cette statistique quadratique poss\u00e8de une distribution d’\u00e9chantillonnage math\u00e9matiquement connue et tabulable, Pearson comprit que le d\u00e9nominateur de chaque terme devait imp\u00e9rativement \u00eatre la fr\u00e9quence attendue elle-m\u00eame, agissant \u00e0 la fois comme pond\u00e9rateur d’\u00e9chelle et comme variance approximative du comptage sous une loi de Poisson ou multinomiale. La fr\u00e9quence th\u00e9orique devint ainsi le socle indispensable sur lequel repose l’ensemble de la m\u00e9trique d’ajustement. Sans ce pivot th\u00e9orique, l’\u00e9cart brut entre une observation et une hypoth\u00e8se demeurait inexploitable, car un diff\u00e9rentiel de dix individus ne rev\u00eat pas la m\u00eame signification statistique selon qu’il s’applique \u00e0 un groupe de vingt patients ou \u00e0 une population clinique de plusieurs milliers de sujets.<\/p>\n

Cette innovation m\u00e9thodologique a profond\u00e9ment transform\u00e9 la psychologie diff\u00e9rentielle naissante. Des pionniers de l’\u00e9valuation intellectuelle et typologique ont rapidement adopt\u00e9 le cadre de Pearson pour valider la stabilit\u00e9 des taxinomies comportementales. En comparant les fr\u00e9quences observ\u00e9es au sein de profils de personnalit\u00e9 pr\u00e9curseurs aux fr\u00e9quences attendues d\u00e9riv\u00e9es du hasard ou de distributions th\u00e9oriques normales discr\u00e9tis\u00e9es, les chercheurs disposaient pour la premi\u00e8re fois d’une proc\u00e9dure objective pour valider empiriquement la pertinence de leurs mod\u00e8les typologiques.<\/p>\n

\"\"<\/figure>\n

1.3 Champs d’application dans la recherche comportementale contemporaine<\/h3>\n

Dans la recherche psychologique et comportementale moderne, le calcul des fr\u00e9quences attendues intervient dans une multiplicit\u00e9 d’architectures exp\u00e9rimentales et observationnelles. L’une des applications cliniques les plus courantes concerne l’\u00e9valuation de la conformit\u00e9 \u00e9pid\u00e9miologique des diagnostics psychiatriques. Lorsqu’un centre hospitalier sp\u00e9cialis\u00e9 souhaite v\u00e9rifier si la distribution des sous-types de troubles de l’humeur au sein de sa file active est conforme aux pr\u00e9valences \u00e9tablies par le Manuel diagnostique et statistique des troubles mentaux<\/a> (DSM-5-TR) ou par la Classification internationale des maladies (CIM-11), les fr\u00e9quences attendues sont calcul\u00e9es en pond\u00e9rant l’effectif global par les taux \u00e9pid\u00e9miologiques nationaux de r\u00e9f\u00e9rence.<\/p>\n

En psychologie cognitive et en \u00e9conomie comportementale, la mod\u00e9lisation des choix d\u00e9cisionnels dans des contextes de risque ou d’incertitude mobilise constamment ces calculs. Dans le paradigme classique de la t\u00e2che d’Iowa (Iowa Gambling Task<\/em>) ou dans les protocoles d’amor\u00e7age s\u00e9mantique, le chercheur formule fr\u00e9quemment l’hypoth\u00e8se nulle d’un comportement non biais\u00e9, selon lequel chaque option (favorable ou d\u00e9favorable, rapide ou lente) poss\u00e9derait une chance \u00e9quivalente d’\u00eatre s\u00e9lectionn\u00e9e. Le calcul d’une fr\u00e9quence attendue \u00e9quiprobable fournit le rep\u00e8re math\u00e9matique indispensable pour quantifier l’aversion au risque, le biais de cadrage ou la saillance attentionnelle d’un stimulus.<\/p>\n

Enfin, en psychom\u00e9trie et dans les enqu\u00eates d’\u00e9valuation \u00e0 grande \u00e9chelle, le contr\u00f4le de la repr\u00e9sentativit\u00e9 des \u00e9chantillons stratifi\u00e9s repose sur la comparaison syst\u00e9matique des effectifs observ\u00e9s aux effectifs th\u00e9oriques d\u00e9duits des donn\u00e9es du recensement d\u00e9mographique. Qu’il s’agisse de valider l’ad\u00e9quation d’une cohorte d’\u00e9tudiants quant \u00e0 la parit\u00e9 de genre, au niveau socio-\u00e9conomique ou \u00e0 l’origine g\u00e9ographique, le calcul des fr\u00e9quences attendues permet de d\u00e9tecter d’\u00e9ventuels biais d’\u00e9chantillonnage susceptibles d’invalider la port\u00e9e externe et la g\u00e9n\u00e9ralisabilit\u00e9 des r\u00e9sultats psychologiques obtenus.<\/p>\n

2. Distinction fondamentale entre fr\u00e9quences observ\u00e9es et fr\u00e9quences attendues<\/h2>\n

2.1 Nature et collecte des fr\u00e9quences observ\u00e9es<\/h3>\n

La fr\u00e9quence observ\u00e9e, conventionnellement not\u00e9e O<\/em> ou fo<\/sub><\/em>, repr\u00e9sente l’effectif empirique brut d\u00e9nombr\u00e9 directement au terme de la collecte des donn\u00e9es sur un \u00e9chantillon d\u00e9fini. Par nature, une fr\u00e9quence observ\u00e9e appartient strictement \u00e0 l’ensemble des entiers naturels (0, 1, 2, 3, …). On ne peut d\u00e9celer de fractions d’individus lors du d\u00e9nombrement d’une modalit\u00e9 comportementale : un participant remplit un crit\u00e8re clinique ou ne le remplit pas, choisit une r\u00e9ponse A ou une r\u00e9ponse B. Cette propri\u00e9t\u00e9 de discr\u00e9tion absolue et de non-n\u00e9gativit\u00e9 caract\u00e9rise la mat\u00e9rialit\u00e9 concr\u00e8te de l’observation de terrain.<\/p>\n

Toutefois, la puret\u00e9 apparente de ces donn\u00e9es empiriques masque d’importantes sources de variabilit\u00e9 non contr\u00f4l\u00e9es. En psychom\u00e9trie et en clinique, les fr\u00e9quences observ\u00e9es sont constamment parasit\u00e9es par des erreurs de mesure, des biais de d\u00e9sirabilit\u00e9 sociale dans les auto-questionnaires, ou encore des fluctuations d’\u00e9chantillonnage inh\u00e9rentes \u00e0 la s\u00e9lection al\u00e9atoire des sujets. Si un chercheur observe que 34 sujets sur 100 pr\u00e9sentent un trait d’impulsivit\u00e9 marqu\u00e9, cette valeur 34 constitue une r\u00e9alisation singuli\u00e8re parmi une infinit\u00e9 d’\u00e9chantillons possibles tir\u00e9s de la m\u00eame population sous-jacente.<\/p>\n

La collecte de ces fr\u00e9quences requiert un protocole d’exclusion stricte. Chaque unit\u00e9 exp\u00e9rimentale doit pouvoir \u00eatre class\u00e9e de mani\u00e8re univoque dans une et une seule cat\u00e9gorie du syst\u00e8me de codage retenu. Si une incertitude subsiste dans l’assignation d’un individu \u00e0 un groupe \u2014 par exemple en cas de comorbidit\u00e9 psychiatrique non r\u00e9solue par le plan de recherche \u2014, la valeur des fr\u00e9quences observ\u00e9es perd sa validit\u00e9 de construit, ce qui compromettra l’ensemble de la cha\u00eene de calcul analytique ult\u00e9rieure.<\/p>\n

2.2 Propri\u00e9t\u00e9s math\u00e9matiques de la fr\u00e9quence attendue<\/h3>\n

Contrairement aux donn\u00e9es empiriques brutes, la fr\u00e9quence attendue pr\u00e9sente des propri\u00e9t\u00e9s formelles radicalement diff\u00e9rentes, qui d\u00e9routent parfois les analystes novices. La caract\u00e9ristique la plus frappante r\u00e9side dans son statut de variable continue : une fr\u00e9quence attendue peut parfaitement \u2014 et prend presque toujours en pratique \u2014 une valeur d\u00e9cimale non enti\u00e8re. Trouver un effectif th\u00e9orique de 14,37 individus dans une cellule diagnostique est math\u00e9matiquement sain et rigoureusement exact, car cette valeur repr\u00e9sente une esp\u00e9rance math\u00e9matique pond\u00e9r\u00e9e et non le d\u00e9nombrement physique d’un groupe de personnes vivantes.<\/p>\n

Une propri\u00e9t\u00e9 r\u00e9gulatrice fondamentale de la fr\u00e9quence attendue concerne la conservation int\u00e9grale de la masse de donn\u00e9es. La sommation de toutes les fr\u00e9quences attendues calcul\u00e9es sur l’ensemble des cat\u00e9gories d’un mod\u00e8le univari\u00e9 ou sur toutes les cellules d’une table de contingence bivari\u00e9e doit imp\u00e9rativement \u00eatre \u00e9gale, au centi\u00e8me pr\u00e8s (aux erreurs d’arrondi pr\u00e8s), \u00e0 la somme des fr\u00e9quences observ\u00e9es, c’est-\u00e0-dire \u00e0 l’effectif total N<\/em> de l’\u00e9chantillon :<\/p>\n

∑ Oi<\/sub> = ∑ Ei<\/sub> = N<\/strong><\/p>\n

Cette \u00e9galit\u00e9 stricte montre que le calcul des effectifs th\u00e9oriques ne cr\u00e9e ni ne d\u00e9truit d’information quantitative ; il op\u00e8re une redistribution id\u00e9ale de l’\u00e9chantillon global N<\/em> selon les contraintes probabilistes \u00e9dict\u00e9es par l’hypoth\u00e8se nulle. La fr\u00e9quence attendue est par cons\u00e9quent ultra-sensible \u00e0 la formulation du mod\u00e8le math\u00e9matique sous-jacent : la moindre alt\u00e9ration des hypoth\u00e8ses probabilistes marginales ou des lois de distribution retenues r\u00e9ajuste instantan\u00e9ment l’ensemble des valeurs attendues dans le syst\u00e8me matriciel.<\/p>\n

2.3 Comparaison structurelle au sein du calcul du Khi-deux<\/h3>\n

La confrontation arithm\u00e9tique entre fr\u00e9quences observ\u00e9es et fr\u00e9quences attendues constitue le c\u0153ur op\u00e9ratoire de la statistique d’ajustement. Cette interaction s’initie par l’\u00e9valuation du r\u00e9sidu brut, d\u00e9fini simplement par la diff\u00e9rence vectorielle (O – E)<\/em>. Ce r\u00e9sidu exprime en unit\u00e9s naturelles d’individus le surplus ou le d\u00e9ficit de la modalit\u00e9 \u00e9tudi\u00e9e par rapport au pronostic th\u00e9orique de l’hypoth\u00e8se nulle. N\u00e9anmoins, un tel r\u00e9sidu brut demeure impossible \u00e0 agr\u00e9ger directement, car la somme arithm\u00e9tique de ces \u00e9carts \u00e9l\u00e9mentaires sur l’ensemble des cellules est syst\u00e9matiquement nulle en vertu du principe de conservation de la taille d’\u00e9chantillon :<\/p>\n

∑ (Oi<\/sub> – Ei<\/sub>) = ∑ Oi<\/sub> – ∑ Ei<\/sub> = N – N = 0<\/strong><\/p>\n

Pour contourner cette neutralisation alg\u00e9brique et neutraliser les signes n\u00e9gatifs, l’\u00e9cart brut est \u00e9lev\u00e9 au carr\u00e9, g\u00e9n\u00e9rant l’\u00e9cart quadratique (O – E)²<\/em>. Cet \u00e9cart doit ensuite \u00eatre normalis\u00e9 en \u00e9tant divis\u00e9 par la fr\u00e9quence attendue correspondante, ce qui g\u00e9n\u00e8re la statistique de contribution cellulaire (O – E)² \/ E<\/em>. Cette standardisation par l’effectif th\u00e9orique refl\u00e8te un principe de variance : selon la loi de Poisson, la variance d’un comptage al\u00e9atoire est \u00e9gale \u00e0 sa moyenne attendue. En divisant par E<\/em>, Karl Pearson a donc divis\u00e9 un carr\u00e9 d’\u00e9cart par une variance, obtenant ainsi une variable centr\u00e9e r\u00e9duite quadratique standardis\u00e9e.<\/p>\n

Cette d\u00e9composition structurelle ouvre \u00e9galement la voie au calcul des r\u00e9sidus ajust\u00e9s standardis\u00e9s, souvent nomm\u00e9s r\u00e9sidus de Haberman. En divisant l’\u00e9cart (O – E)<\/em> non pas simplement par la racine carr\u00e9e de E<\/em> mais par l’erreur-type asymptotique exacte de la cellule (prenant en compte les marges globales), le chercheur obtient une statistique d’\u00e9cart individuel assimilable \u00e0 un score z<\/em> standard de la loi normale, facilitant l’identification visuelle imm\u00e9diate des cat\u00e9gories qui d\u00e9vient de mani\u00e8re statistiquement significative de l’attente th\u00e9orique.<\/p>\n

3. Le r\u00f4le crucial de l’hypoth\u00e8se nulle dans la d\u00e9rivation des fr\u00e9quences th\u00e9oriques<\/h2>\n

3.1 Formulation rigoureuse de l’hypoth\u00e8se nulle en psychologie<\/h3>\n

Dans la d\u00e9marche hypoth\u00e9tico-d\u00e9ductive propre \u00e0 la psychologie exp\u00e9rimentale et clinique, l’hypoth\u00e8se nulle H0<\/sub><\/em> n’est pas simplement une posture rh\u00e9torique signifiant l’absence d’int\u00e9r\u00eat ou le vide th\u00e9orique ; elle constitue une formulation axiomatique contraignante qui sp\u00e9cifie avec une exactitude math\u00e9matique absolue les param\u00e8tres de la distribution attendue. Affirmer l’absence de lien entre le statut socio-\u00e9conomique et le style d’attachement d’un individu \u00e9quivaut \u00e0 postuler que la probabilit\u00e9 conjointe d’appartenir \u00e0 une modalit\u00e9 crois\u00e9e quelconque est rigoureusement le produit de leurs probabilit\u00e9s marginales respectives.<\/p>\n

Il importe de distinguer deux grandes familles d’hypoth\u00e8ses nulles en analyse cat\u00e9gorielle :<\/p>\n