TP 3

Statistiques descriptives univariées

1 Principales notions en statistiques descrip-

tives 2
1.1 Présentation des données . . . . . . . . . . . 2
1.2 Indicateurs de position . . . . . . . . . . . . . 4
1.3 Indicateurs de dispersion . . . . . . . . . . . . 6

2 Représentations graphiques 7
2.1 Diagrammes en bâtons . . . . . . . . . . . . . 7
2.2 Histogrammes . . . . . . . . . . . . . . . . . . 8

3 Exercices 9

4 Étude de la population mondiale 10

Compétences attendues.

3 Regrouper une série statistique par modalités ou par classes.

3 Connaître les indicateurs de position (moyenne, médiane, quartiles) et les commandes associées.

3 Connaître les indicateurs de dispersion (écart-type, étendue, distance inter-quartile) et les com-
mandes associées.

3 Représenter graphiquement une série statistique.

Liste des commandes Python exigibles aux concours.

• Dans la librairie numpy : np.sum, np.min, np.max, np.cumsum, np.mean, np.median, np.var,
np.std.

• Dans la librairie matplotlib.pyplot : plt.hist, plt.show.

Objectifs. L’objet des statistiques descriptives univariées (ou unidimensionnelles) est de fournir des
résumés synthétiques, graphiques et numériques, de séries de valeurs observées sur une population ou
un échantillon. On présente ici les indicateurs les plus couramment employés pour décrire une série
statistique.

Mathieu Mansuy
Professeur en ECG deuxième année spécialité mathématiques approfondies au Lycée Louis Pergaud (Besançon)
Page personnelle : mathieu-mansuy.fr/
E-mail : mathieu.mansuy@ac-besancon.fr
ECG2 - Maths approfondies Lycée Louis Pergaud

1 Principales notions en statistiques descriptives

1.1 Présentation des données
On considère un ensemble Ω appelé population en statistique descriptive. On appellera ses éléments
ω des individus.

Exemple. Ω = l’ensemble de la population française, Ω = l’ensemble des voitures immatriculées en

France.

On étudie un caractère de cette population.

Définition.
Un caractère (ou variable) sur la population Ω est une application X : Ω → E, où E désigne un
ensemble quelconque.
Si E est un ensemble de nombres, on dit que X est un caractère quantitatif. Dans le cas contraire,
on parle de caractère qualitatif.

Exemple. Un caractère possible sur la population française est la taille (caractère quantitatif) ou
encore la couleur des yeux (caractère qualitatif).

Nous ne traiterons que du cas des caractères quantitatifs.

La connaissance complète d’un caractère X peut être rendue difficile, voir impossible, de part la taille
de la population Ω. Afin de pouvoir l’étudier, on peut considérer ce caractère seulement pour une
partie finie {ω1 , . . . , ωn } de Ω appelée échantillon. Son cardinal n est alors la taille ou l’effectif de
l’échantillon.
Définition.

• On appelle série statistique d’un échantillon {ω1 , . . . , ωn } ⊂ Ω (ou échantillon observé) pour
le caractère X la donnée de la liste x = (x1 , . . . , xn ) = (X(ω1 ), . . . , X(ωn )) des valeurs prises
par X sur l’échantillon.

• Les valeurs prises par X sont appelées modalités.

• L’effectif d’une modalité m est le nombre nm de fois où m apparait dans la série statistique.
effectif de la modalité m nm
• La fréquence d’une modalité m est le réel fm = = .
effectif total de l’échantillon n
X
• La fréquence cumulée d’une modalité m est le réel pm = fm0 .
m0 ≤m

Le saviez-vous ?
Les statistiques sont nées en Angleterre, au début du 17-ème siècle pour
décompter les décès lors d’une épidémie de peste. Ce n’était à l’époque
que des données numériques, sans outil théorique pour les analyser. Il faut
attendre le 19-ème siècle pour voir l’apparition de méthodes mathématiques
pour l’étude de telles données. Ce n’est qu’à la fin du 19-ème siècle que
la statistique devient une discipline à part entière des mathématiques sous
l’impulsion des savants anglais Karl Pearson (1857-1936) et Udny Yule (1871-1951).
Karl Pearson est principalement connu pour avoir développé le coefficient
de corrélation linéaire et le test du χ2 (chi-deux). Karl Pearson (1857-1936)

2
ECG2 - Maths approfondies Lycée Louis Pergaud

Exemple. On considère la série statistique suivante :

x = (2, 11, 7, 2, 15, 4, 5, 5, 5, 13, 5, 15, 7, 7, 8, 10, 10, 10, 11, 13, 7, 2, 15, 15).

L’ensemble des modalités est {2, 4, 5, 7, 8, 10, 11, 13, 15}. L’effectif de la modalité m = 5 est n5 = 4, sa
n5 4 8
fréquence est f5 = = et sa fréquence cumulée est p5 = .
n 24 24
Représentation informatique. Sous Python, nous représenterons une série statistique (x1 , . . . , xn )
par un vecteur
x = np.array([x1,...,xn])
L’effectif de la série est obtenu à l’aide de la commande np.shape(u)[0]

Remarques.
• Si x = (x1 , . . . , xn ) est une série statistique, (m1 , . . . , mp ) ses modalités d’effectifs (n1 , . . . , np )
et de fréquences (f1 , . . . , fp ), alors :
p
P
p p p ni
X X X ni i=1
ni = n et fi = = =1
i=1 i=1 i=1
n n

• Les notions suivantes se correspondent entre probabilités et statistiques :

Variable aléatoire X ↔ Caractère X

Ensemble image X(Ω) ↔ Ensemble des modalités de X
Probabilités ponctuelles P (X = x) ↔ Fréquences fm X
Fonction de répartition FX : x 7→ P (X ≤ x) ↔ Fréquences cumulées pm = fm0
m0 ≤m

Une série statistique brute ne permettant pas une lecture efficace des données, on souhaite la présenter
de manière synthétique. Pour cela, on procède de deux manières distinctes selon le nombre de ses
modalités.

Regroupement par modalités

Dans le cas où le nombre de modalités de la série est raisonnable, on regroupe la série par modalités -
effectifs, c’est-à-dire qu’on donne :
• la liste (mi ) des modalités du caractère X,
• les effectifs (ni ) correspondants.
On peut aussi choisir de présenter cette série regroupée par modalité - fréquence, en donnant les
modalités (mi ) et les fréquences correspondantes (fi ).

Exemple. Le tri par modalités de la série statistique x donne :

2 3 2 0.125
4 1 4 0.0416667
5 4 5 0.1666667
7 4 7 0.1666667
8 1 8 0.0416667
10 3 10 0.125
11 2 11 0.0833333
13 2 13 0.0833333
15 4 15 0.1666667
Tri par modalités - effectifs de la série x. Tri par modalités - fréquences de la série x.

3
ECG2 - Maths approfondies Lycée Louis Pergaud

Regroupement par classes

Dans le cas où le nombre de modalités est trop grand, plutôt que de conserver toutes les valeurs, il est
plus intéressant de les regrouper par classes :

• on considère une suite de réels c = (c0 < · · · < ck ) définissant les classes I1 = [c0 , c1 ], I2 =]c1 , c2 ],
. . . , Ik =]ck−1 , ck ], l’amplitude de la classe Ii étant ci − ci−1 ;

• on note ni le nombre d’éléments de X appartenant à l’intervalle Ii pour 1 ≤ i ≤ k.

ci−1 + ci
On se ramène ainsi à une série statistique de taille k, dont les modalités sont les milieux yi =
2
des classes et d’effectifs les ni correspondants.

Commandes utiles
On rappelle les commandes suivantes qui pourront être utiles dans la suite.
Définition.

• Si u et v sont deux vecteurs de même format, l’instruction u==v renvoie un vecteur de même
format que u dont les éléments sont True ou False selon que les coefficients correspondants
de u et v à cette même place sont égaux ou non.

• Si tous les éléments de v sont égaux à un même réel x, on peut écrire simplement u==x.

• On définit de même les vecteurs booléens u>v, u>=v, u<v, u<=v et u!=v.

• On rappelle également les connecteurs logiques pour les booléens : and (et), or (ou), not
(négation).

Définition.
Si u est un vecteur dont les composantes sont des booléens, alors :

• la commande np.sum(u) renvoie le nombre de booléens qui ont pris la valeur True ;

• la commande np.mean(u) renvoie la proportion de booléens qui ont pris la valeur True.

Exemple. Supposons avoir représenté la série statistique x à l’aide d’un vecteur x. L’instruction
np.sum(x==7) renvoie l’effectif de la modalité 7, np.mean(x==7) renvoie sa fréquence, et np.mean(x<=7)
sa fréquence cumulée.

1.2 Indicateurs de position

Définition.
On appelle moyenne empirique de la série statistique x = (x1 , . . . , xn ) le réel :
n
1X
x= xi .
n i=1

Remarque. Si la série statistique x est groupée par modalités - effectifs, avec les modalités (m1 , . . . , mp )
d’effectifs (n1 , . . . , np ) et de fréquences (f1 , . . . , fp ), alors :
p p p
1X X ni X
x= mi · n i = mi · = mi · fi .
n i=1 i=1
n i=1

4
ECG2 - Maths approfondies Lycée Louis Pergaud

On notera sur cette dernière formule la correspondance entre les notions d’espérance en probabilité et
de moyenne en statistique :

X p
X
E(X) = xP (X = x) ↔ x= mi · fi .
x∈X(Ω) i=1

Définition.
La médiane d’une série statistique ordonnée est un réel m partageant la série en deux séries
d’effectifs égaux. Si (x1 ≤ x2 ≤ · · · ≤ xn ) est la série statistique ordonnée, m est défini par :

• si n = 2p − 1 est impaire, m = xp (la valeur du milieu) ;

xp + xp+1
• si n = 2p est paire, m = (la moyenne des deux termes du milieu).
2

Propriété 1 (Moyenne et médiane en Python)

• np.mean(x) donne la moyenne du vecteur x.

• np.median(x) donne une médiane du vecteur x (non nécessairement ordonné).

Définition.
Soit x = (x1 , . . . , xn ) une série statistique.

• Le premier quartile de x est la plus petite modalité q1 de x pour laquelle 25 % des éléments
de x lui sont inférieures ou égales.

• Le troisième quartile de x est la plus petite modalité q3 de x pour laquelle 75 % des éléments
de x lui sont inférieures ou égales.

Remarque. De même, on définit les déciles et les centiles d’une série statistique :

• Pour k ∈ [[1, 99]], le k-ième centile est la modalité ck de la série pour laquelle moins de k %
de la population prend des valeurs strictement inférieures à ck et moins de (100 − k) % de la
population prend des valeurs strictement supérieures à ck .

• Pour k ∈ [[1, 9]], le k-ième décile est la modalité dk de la série pour laquelle moins de k % de la
population prend des valeurs strictement inférieures à dk et moins des (10 − k) dixièmes de la
population prend des valeurs strictement supérieures à dk .

Définition.
On appelle mode d’une série statistique toute modalité pour laquelle l’effectif est maximal (il peut
y en avoir plusieurs).

Exemple. Reprenons l’exemple de la série statistique x, qu’on trie par modalités - fréquences et par
modalités - fréquences cumulées :

5
ECG2 - Maths approfondies Lycée Louis Pergaud

2 0.125 2 0.125
4 0.0416667 4 0.1666667
5 0.1666667 5 0.3333333
7 0.1666667 7 0.5
8 0.0416667 8 0.5416667
10 0.125 10 0.6666667
11 0.0833333 11 0.75
13 0.0833333 13 0.8333333
15 0.1666667 15 1
Tri par modalités - fréquences de x. Tri par modalités - fréquences cumulées de x.
Déterminer le premier quartile, le troisième quartile et le huitième décile, ainsi que le(s) mode(s) de
la série x.

1.3 Indicateurs de dispersion

Définition.
Soit x = (x1 , . . . , xn ) une série statistique.
n
1X
• On appelle variance de x le nombre réel positif : v= (xi − x)2 .
n i=1
√
• On appelle écart-type de x le réel σ = v.

Remarques.
• La variance mesure la dispersion de la série statistique autour de sa moyenne.
• Comme en probabilités, la formule de Koenig-Huygens est valable :
n n n n n
!
1X 1X 1X 1X 1 X
v= (xi − x)2 = (x2i − 2xi x + x2 ) = x2i − 2 × x × xi +x2 = x2 − x2 .
n i=1 n i=1 n i=1 n i=1 n i=1 i
| {z }
=x

Définition.

• On appelle étendue d’une série statistique la différence entre la plus grande et la plus petite
modalité.

• On appelle distance inter-quartile le réel q3 − q1 .

Remarque. La distance inter-quartile est un indicateur de dispersion : c’est la longueur de l’intervalle

inter-quartile [q1 , q3 ], lequel contient la moitié des valeurs de la série, réparties autour de la médiane m.
Pour rendre compte de l’étendue et de la distance inter-quartile d’une série statistique, on représente
parfois sa boîte à moustache :

x̄
xmin q1 q3 xmax
m

6
ECG2 - Maths approfondies Lycée Louis Pergaud

Propriété 2 (Variance, écart-type et étendue sur Python)

• np.var(x) donne la variance du vecteur x.

• np.std(x) (pour standard deviation) donne l’écart-type du vecteur x.

• np.max(x)-np.min(x) donne l’étendue du vecteur x.

Exemple. Déterminer l’écart-type de la série statistique x, et représenter son diagramme à moustache.

2 Représentations graphiques
On suppose avoir importé la bibliothèque matplotlib.pyplot à l’aide de l’instruction :
import matplotlib.pyplot as plt

2.1 Diagrammes en bâtons

Définition.
On représente une série statistique groupée par modalités à l’aide d’un diagramme en bâtons,
en plaçant sur l’axe des abscisses les modalités et en dressant à la verticale de chacune d’elles un
bâton de hauteur égale à son effectif ou sa fréquence.

On dispose de la commande Python suivante (non exigible).

Définition.
Si x et y sont des vecteurs de même taille, plt.bar(x,y) trace le diagramme en bâtons d’abscisses
contenues dans x et d’ordonnées dans y.

Exemple. Reprenons la série statistique x. En entrant les instructions suivantes dans la console :
>>> m = np.array([2.,4.,5.,7.,8.,10.,11.,13.,15.])
>>> f = np.array([0.125,0.04167,0.16667,0.16667,0.04167,0.125,0.08333,0.08333,0.16667])
>>> plt.bar(m,f)
>>> plt.show()
on obtient le diagramme en bâtons des effectifs de la série x :

7
ECG2 - Maths approfondies Lycée Louis Pergaud

Remarque. La commande plt.bar nécessite d’avoir trié au préalable la série statistique par modal-
ités - effectifs, ce que nous ne pourrons pas toujours faire. En effet, nous n’avons malheureusement pas
de commande Python pour effectuer ce tri. Nous expliquerons ci-dessous comment tracer le diagramme
en bâtons d’une série statistique brute (i.e. sans tri préalable) à l’aide de la commande plt.hist.

2.2 Histogrammes
Définition.
On représente une série statistique groupée par classes à l’aide d’un histogramme, en plaçant
les ci sur un axe horizontal et en traçant à la verticale un rectangle de base [ci , ci+1 ] et d’aire égale
à la fréquence de la classe correspondante.

Définition.
Soit x un vecteur.

• L’instruction plt.hist(x,n) trace l’histogramme associé à la série x en n classes équirépar-

ties entre la plus petite valeur de x et la plus grande (par défaut, n vaut 10).

• L’instruction plt.hist(x,c) trace l’histogramme associé à la série x dont les classes sont
définies par le vecteur aux composantes strictement croissantes c.

Méthode. Comment tracer un diagramme en bâtons d’une série statistique brute ?

Pour tracer le diagramme en bâtons d’une série statistique brute (non triée) x à valeurs entières,
on procède ainsi :

(i) on détermine les modalités m1 < m2 < · · · < mk de la série statistique x ;

(ii) on définit les classes c = (m1 − 0, 5 < m1 + 0, 5 < m2 − 0, 5 < m2 + 0, 5 < · · · < mk − 0, 5 <
mk + 0, 5) ;

(iii) on dessine l’histogramme (le « diagramme en bâtons ») des effectifs à l’aide de la com-
mande :

plt.hist(x,c,edgecolor=’k’,color=’...’, label="...")

et l’histogramme (le « diagramme en bâtons ») des fréquences à l’aide de la commande :

plt.hist(x,c,density=’True’,edgecolor=’k’,color=’...’, label="...")

où l’on a ajouté les options de tracé suivantes (non exigibles) :

• normalisation des rectangles (la surface totale vaut 1) : density=’True’

• contours des rectangles en noir : edgecolor=’k’
• couleur des rectangles : color=’...’ (indiquer la couleur en anglais)
• légende associée à chaque histogramme : label="..." (indiquer la légende choisie)

Exemple. En entrant les instructions suivantes dans la console :

>>> c = np.arange(np.min(x),np.max(x)+2)-0.5
>>> plt.hist(x, c, density = ’True’, edgecolor = ’k’)
>>> plt.show()

8
ECG2 - Maths approfondies Lycée Louis Pergaud

on obtient l’histogramme (le « diagramme en bâtons ») des fréquences de la série x :

Notons qu’ici, nous n’avons pas eu au préalable à trier la série statistique x par modalités - fréquences,
c’est fait par Python en exécutant plt.hist.

3 Exercices
Dans les deux exercices suivants, nous aurons besoin de fonctions de la bibliothèque numpy.random.
On va donc l’importer à l’aide de l’instruction :
import numpy.random as rd
Exercice 1 (FF)
La commande rd.binomial(n,p,r) renvoie un vecteur contenant r simulations de la loi binomiale
B(n, p).
1. À l’aide de la commande rd.binomial, simuler 10000 nombres suivant la loi B(10, 0.5). On
notera x le vecteur contenant cette série statistique.
2. Déterminer l’effectif, la fréquence et la fréquence cumulée de la modalité 5.
3. Déterminer la moyenne, la médiane et l’écart-type de x. Était-ce prévisible ?
4. Créer un vecteur m de taille 11 tel que m[k] contient l’effectif de la modalité k. Déterminer le(s)
mode(s) de la série x.
5. Représenter à l’aide de la commande plt.bar les diagrammes en bâtons des effectifs, des
fréquences et des fréquences cumulées de la série x.
6. Représenter de nouveau le diagramme en bâtons des effectifs et des fréquences de la série x, cette
fois à l’aide de la commande plt.hist.

Exercice 2 (FF)
La commande rd.random(n) permet de simuler un vecteur de taille n dont chaque coefficient est un
nombre réel choisi aléatoirement entre 0 et 1.
1. Créer un vecteur x contenant 10000 nombres réels choisis aléatoirement entre 1 et 5.
2. Calculer la moyenne, la médiane, l’écart-type et l’étendue de la série statistique x.
3. Faut-il mieux regrouper cette série statistique par modalités ou par classes ? Pourquoi ?
4. Tracer l’histogramme associé à cette série statistique en la regroupant par classes (choisir 100
classes de même amplitude). Que remarque-t-on ?

9
ECG2 - Maths approfondies Lycée Louis Pergaud

4 Étude de la population mondiale

À partir de mon site mathieu-mansuy.fr/ecg2, ouvrir le document population-mondiale, permet-
tant de définir plusieurs vecteurs :

• pays contient les noms des pays ;

• superficie contient la surface terrestre en milliers de km2 de chaque pays ;

• population contient le nombre d’habitants en millions de chaque pays ;

• naissance contient le nombre de naissances sur 1000 habitants ;

• mort contient le nombre de décès sur 1000 habitants ;

• homme contient l’espérance de vie des hommes ;

• femme contient l’espérance de vie des femmes ;

à partir des données contenues dans l’étude 2017 de l’Institut National d’Études Démographiques
(disponible également sur mon site). Pour les exercices qui suivent, vous trouverez en annexe de ce
TP la liste des pays et de leurs index.

Exercice 3 (Interrogation de la base de données)

Écrire une fonction donnees(n) qui affiche le nom, la superficie, le nombre d’habitants et la densité
de population du pays d’index n.

Exercice 4
1. Calculer la surface terrestre mondiale, le nombre d’habitants mondial et la densité moyenne
d’habitants au km2 .

2. Calculer la surface terrestre, le nombre d’habitants et la densité moyenne d’habitants au km2

pour chaque continent.

3. Représenter la densité moyenne d’habitants au km2 pour chaque continent en utilisant un dia-
gramme en bâtons (on mettra en abscisse des entiers de 1 à 5).

4. Faire de même pour la répartition de la surface terrestre par continent, puis du nombre d’habitants
par continent.

Exercice 5
On considère l’espérance de vie des hommes (ou des femmes) par pays.

1. Calculer la moyenne sur l’ensemble des pays. Ce résultat correspond-il à l’espérance de vie
mondiale des hommes (ou des femmes) ?

2. Calculer l’écart-type et la médiane.

3. Calculer les espérances de vie minimale et maximale en précisant les pays correspondant à ces
valeurs extrémales.

4. Représenter l’histogramme de l’espérance de vie des hommes sur l’intervalle [0, 100] avec 20
classes. Quelle est la classe modale de l’espérance de vie des hommes ?

5. On s’intéresse au tableau homme.

(a) Vérifier que ses premier et troisième quartiles valent respectivement 64 et 76.

10
ECG2 - Maths approfondies Lycée Louis Pergaud

(b) Vérifier que ses premier et neuvième déciles valent respectivement 59 et 80. Donner la liste
des pays dont l’espérance de vie des hommes est inférieure au premier décile ou supérieure
au neuvième décile.

Exercice 6
On rappelle que le taux d’accroissement naturel est la différence entre la natalité et la mortalité.

1. Quels sont les accroissements minimaux et maximaux ? Préciser les pays.

2. Faire afficher la liste des pays pour lesquels l’accroissement est négatif.

3. Déterminer l’accroissement mondial moyen.

4. Dans ses projections, l’INED prévoit une population mondiale de 9731 millions d’habitants en
2050. Cela est-il conforme à l’hypothèse d’un taux d’accroissement constant ?

Annexe : Liste des pays et de leurs index

Afrique
Afrique septentrionale

1. Algérie 4. Maroc 7. Tunisie

2. Égypte 5. Sahara occidental
3. Libye 6. Soudan

Afrique occidentale

8. Bénin 14. Guinée 20. Nigeria

9. Burkina Faso 15. Guinée-Bissau
21. Sénégal
10. Cap-Vert 16. Liberia
11. Côte d’Ivoire 17. Mali
22. Sierra Leone
12. Gambie 18. Mauritanie
13. Ghana 19. Niger 23. Togo

Afrique orientale

24. Burundi 31. Malawi 38. Seychelles

25. Comores 32. Maurice 39. Somalie
26. Djibouti 33. Mayotte
40. Sud-Soudan
27. Érythrée 34. Mozambique
41. Tanzanie
28. Éthiopie 35. Ouganda
29. Kenya 36. Réunion 42. Zambie

30. Madagascar 37. Rwanda 43. Zimbabwe

11
ECG2 - Maths approfondies Lycée Louis Pergaud

Afrique centrale

44. Angola 47. Congo 50. Guinée équatoriale

45. Cameroun 48. Congo(Rép. dém.) 51. Sao Tomé-et-Principe

46. Centrafricaine (Rép.) 49. Gabon 52. Tchad

Afrique australe

53. Afrique du Sud 55. Lesotho 57. Swaziland

54. Botswana 56. Namibie

Amérique du Nord
Amérique septentrionale

58. Canada 59. États Unis

Amérique centrale

60. Belize 63. Honduras 66. Panama

61. Costa Rica 64. Mexique
62. Guatemala 65. Nicaragua 67. Salvador

Caraïbes

68. Antigua-et-Barbuda 75. Dominique 82. Sainte Lucie

69. Aruba 76. Grenade
83. St Vincent Grenadines
70. Bahamas 77. Guadeloupe
71. Barbade 78. Haïti 84. St.Kitts-et-Nevis
72. Cuba 79. Jamaïque
85. Trinité-et-Tobago
73. Curaçao 80. Martinique
74. Dominicaine (Rép.) 81. Porto Rico 86. Vierges (Îles)

Amérique du Sud

87. Argentine 92. Équateur 97. Surinam

88. Bolivie 93. Guyana
89. Brésil 94. Guyane (française) 98. Uruguay
90. Chili 95. Paraguay
91. Colombie 96. Pérou 99. Venezuela

Asie
Asie occidentale

12
ECG2 - Maths approfondies Lycée Louis Pergaud

100. Arabie saoudite 106. Géorgie 112. Oman

101. Arménie 107. Irak 113. Palestine (Territoires)

102. Azerbaïdjan 108. Israël 114. Qatar

103. Bahreïn 109. Jordanie 115. Syrie

104. Chypre 110. Koweït 116. Turquie

105. Émirats arabes unis 111. Liban 117. Yémen

Asie centrale

118. Kazakhstan 120. Tadjikistan 122. Ouzbékistan

119. Kirghizistan 121. Turkménistan

Asie du sud

123. Afghanistan 126. Pakistan 129. Maldives

124. Bangladesh 127. Inde 130. Népal

125. Bhoutan 128. Iran 131. Sri Lanka

Asie du sud-ouest

132. Brunei 136. Malaisie 140. Thaïlande

133. Cambodge 137. Myanmar (Birmanie)
141. Timor-Est
134. Indonésie 138. Philippines
135. Laos 139. Singapour 142. Viêt Nam

Asie orientale

143. Chine 146. Corée du Nord 149. Mongolie

144. Chine-Hong Kong 147. Corée du Sud
145. Chine-Macao 148. Japon 150. Taïwan

Europe
Europe septentrionale

151. Danemark 155. Islande 159. Royaume-Uni

152. Estonie 156. Lettonie 160. Suède
153. Finlande 157. Lituanie
154. Irlande 158. Norvège

Europe occidentale

161. Allemagne 163. Belgique 165. Liechtenstein

162. Autriche 164. France (métropolitaine) 166. Luxembourg

13
ECG2 - Maths approfondies Lycée Louis Pergaud

167. Monaco 168. Pays-Bas 169. Suisse

Europe orientale

170. Biélorussie 174. Pologne 178. Tchèque (République)

171. Bulgarie 175. Roumanie 179. Ukraine
172. Hongrie 176. Russie
173. Moldavie 177. Slovaquie

Europe méridionale

180. Albanie 185. Grèce 190. Monténégro

181. Andorre 186. Italie 191. Portugal

182. Bosnie-Herzégovine 187. Kosovo 192. Saint-Marin

183. Croatie 188. Macédoine 193. Serbie

184. Espagne 189. Malte 194. Slovénie

Océanie

195. Australie 200. Micronésie (États fédérés 204. Polynésie française

de)
196. Fidji 205. Salomon (Îles)
201. Nouvelle-Calédonie
197. Guam 206. Samoa occidentales
202. Nouvelle-Zélande
198. Kiribati 207. Tonga
203. Papouasie-Nouvelle
199. Marshall (Îles) Guinée 208. Vanuatu

14