Courbe de Lorenz

La courbe de Lorenz est la représentation graphique de la fonction qui, à la part x des détenteurs d'une part d'une grandeur, associe la part y de la grandeur détenue. Elle a été développée par Max O. Lorenz en vue d'une représentation graphique des inégalités de revenu. Elle peut être facilement transposée, notamment à la répartition d'une donnée statistique quelconque, comme : les inégalités de répartition d'un actif ou de toute autre distribution de richesse, l'état de la répartition des clients au sein d'une clientèle, l'état de concentration d'un marché avec la ventilation des parts de marché. Une interprétation de la courbe de Lorenz peut être faite au moyen du coefficient de Gini, égal au rapport de la surface A à l'aire totale du triangle. C'est une mesure d'inégalité de répartition. Dans d'autres domaines (apprentissage automatique, statistiques), la courbe de Lorenz est appelée courbe CAP (Cumulative Accuracy Profile). Elle diffère de la courbe courbe ROC (Receiver Operating Characteristic, utilisée en épidémiologie, traitement du signal, psychologie expérimentale) en le sens que cette dernière établit une corrélation entre le taux de vrais positifs en fonction du taux de faux positifs, alors que la courbe CAP donne le taux de vrais positifs en fonction du taux d'échantillons considérés. Dans le cas de l'analyse des revenus des ménages, soit le pourcentage ou le nombre x des ménages les moins riches qui détient telle part en valeur ou en pourcentage y du revenu de l'ensemble des ménages, la part des ménages, classée par ordre de revenu individuel croissant, est figurée en abscisse, et la part du revenu en ordonnée. Conclusions tirées de l'observation de la courbe : dans une société, on dira que la distribution des revenus est parfaitement égalitaire si tous les ménages reçoivent le même revenu ; alors la part x des ménages les moins riches reçoit une part y = x du revenu global ; une répartition égalitaire est donc représentée par la première bissectrice du repère (d'équation y = x) ; cette droite est appelée la ligne d'égalité parfaite ; à l'inverse, on parlera de distribution parfaitement inégalitaire si dans la société considérée, un ménage accapare le revenu total (global) ; dans ce cas, la fonction associée prend la valeur y = 0 pour tout x < 100%, et y = 100% quand x = 100% ; la courbe de Lorenz correspondant à cette situation est appelée la ligne de parfaite inégalité.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Concepts associés (12)

Cours associés (1)

Séances de cours associées (14)

MATH-342: Time series

A first course in statistical time series analysis and applications.

Courbe de Lorenz

Distribution (economics)

In economics, distribution is the way total output, income, or wealth is distributed among individuals or among the factors of production (such as labour, land, and capital). In general theory and in for example the U.S. National Income and Product Accounts, each unit of output corresponds to a unit of income. One use of national accounts is for classifying factor incomes and measuring their respective shares, as in national Income. But, where focus is on income of persons or households, adjustments to the national accounts or other data sources are frequently used.

Coefficient de Gini

Le coefficient de Gini, ou indice de Gini, est une mesure statistique permettant de rendre compte de la répartition d'une variable (salaire, revenus, patrimoine) au sein d'une population. Autrement dit, il mesure le niveau d'inégalité de la répartition d'une variable dans la population. Ce coefficient est typiquement utilisé pour mesurer l'inégalité des revenus dans un pays. Il a été développé par le statisticien italien Corrado Gini.

Analyse statistique: Boxplot et distribution normale MATH-131: Probability and statistics

Introduit des concepts d'analyse statistique comme boxplot et la distribution normale à l'aide d'exemples de données réelles.

Probabilités et statistiques : modélisation et analyse des données MATH-131: Probability and statistics

Explore les formulaires PDF, les statistiques, les diagrammes de boîtes, les courbes de densité et les méthodes d'analyse de données.

Distribution normale: Caractéristiques et Z-scores MICRO-110: Design of experiments

Explore les caractéristiques de la distribution normale, les scores Z, la probabilité dans les statistiques inférentielles, les effets d'échantillon et l'approximation de la distribution binomiale.