Vous êtes sur la page 1sur 24

Universit de Monastir

Facult des Sciences Economiques et de Gestion


- Mahdia -

conomtrie
Cahier dExercices et Tables Statistiques
Auditoire : 3me Anne MG
Abdellatif Elloumi 1

Anne Universitaire : 2012-2013


1. E-mail : Abdellatif.Elloumi@fsegma.rnu.tn

1er Semestre

Srie 1 : Rgression Linaire Simple


Exercice 1 :
Un agronome sintresse la liaison pouvant exister entre le rendement de mas x (en
quintal) dune parcelle de terre et la quantit dengrais y (n kilo). Il relve 10 couples de
donnes consigns dans le tableau suivant :
Rendement x

16

18

23

24

28

29

26

31

32

34

Engrais y

20

24

28

22

32

28

32

36

41

41

1. Tracer le nuage de points et le commenter.


2. Calculer le coefficient de corrlation simple et tester sa signification par rapport
0 pour un seuil de = 0,05.

Exercice 2 :
Le tableau suivant prsente le revenu moyen ainsi que la consommation moyenne par
habitant entre 1995 et 2004 exprims en dollars pour un pays :
Anne

Revenu Consommation

Anne

Revenu Consommation

1995

8 000

7 389.99

2000

11 000

9 616.21

1996

9 000

8 169.65

2001

12 000

10 593.45

1997

9 500

8 831.71

2002

13 000

11 186.11

1998

9 500

8 652.84

2003

15 000

12 758.09

1999

9 800

8 788.08

2004

16 000

13 869.62

1. A partir des donnes du tableau, on demande de calculer les estimateurs a et b du


modle suivant : Ct = a + bRt + t
2. La propension marginale consommer est elle significativement diffrente de 0 ?
3. Quel est lintervalle de confiance au seuil de 95% pour la propension marginale
consommer ?

Exercice 3 :
Disposant dun chantillon de 20 observations, on se propose destimer lquation
suivante par la mthode des moindres carrs ordinaire, MCO :
yi = a + bxi + i

i = 1, ..., 20

i est une variable alatoire non corrle, de moyenne nulle et de variance 2 . On donne
les quantits suivantes :
20
X

xi = 186.2 ;

i=1

20
X

20
20
X
X
2
yi = 21.9 ;
(xi x) = 215.4 ; (yi y)2 = 86.9 ;

i=1

i=1

i=1

20
X
(xi x)(yi y) = 106.4
i=1

1. Estimer les paramtres a et b.


2. Donner une estimation de la variance du coefficient estim a
.
3. Calculer le coefficient de dtermination R2 , que peut-on dduire ?

H : a = 0 H : a=1
0
0
4. Tester les hypothses suivantes :
;
H : a 6= 0 H : a 6= 1
1
1

Exercice 4 :
A prix constants, la consommation C dun bien J, est une fonction des revenus des
mnages R. On obtient les observations suivantes partir dun chantillon de 7 mnages :

Consommation C

0.8

1.2

1.5

1.8

2.2

2.6

3.1

Revenu R

1.7

2.7

3.6

4.6

5.7

8.1

12.0

1. Reprsenter le nuage de points sur un graphique. Quelle relation prconisez-vous


entre C et R ?
2. Estimer les trois quations suivantes par la mthode des MCO :
(a) Ci = a + bRi

(b) Ci = aRib

(c) Ci =

Ri
a+bRi

3. En utilisant le critre du coefficient de dtermination, quel modle retenez-vous


dans la question prcdente ?
3

4. A partir du modle qui sera retenu, donnez lexpression du coefficient dlasticit


du bien J. Estimer llasticit revenu du bien J et dterminez la nature de ce bien ?
5. Donner une prvision ponctuelle du bien J pour un mnage qui a un revenu = 20.

Pratique de la Rgression Linaire Simple


Exemple 1 :
Afin destimer le modle conomtrique suivant : yi = a + bxi + i

i = 1, ..., 8.

On dispose des donnes suivantes :


i

xi

10

yi

On construit le tableau de calcul suivant :


(1)

(2)

(3)

(4)

(5)

(6)

(7)

yi

xi

(yi y)

(xi x)

(xi x)2

(yi y)(xi x)

-1.875

-3.625

13.140625

6.796875

-0.875

-1.625

2.640625

1.421875

0.125

-0.625

0.390625

-0.078125

-1.875

-2.625

6.890625

4.921875

1.125

1.375

1.890625

1.546875

0.125

0.375

0.140625

0.046875

1.125

2.375

5.640625

2.671875

10

2.125

4.375

19.140625

9.296875

Somme

31

45

49.875

26.625

Moyenne 3.875 5.625

Les rsultats de lestimation sont :

8
X
(xi x)(yi y)

b =

i=1
8
X
i=1

8
X
(xi x)yi

=
(xi x)2

i=1
8
X

8
X

(xi x)xi

i=1

xi yi 8
xy

i=1
8
X
i=1

a
= y b
x = 3.875 0.5338 5.625 = 0.8721

=
x2
x2i 8

26.625
= 0.5338
49.875

Ensuite,
on peut construire les statistiques suivantes ainsi :

y = a
+ bxi
i
i = 1, ..., 8.
 = y y
i
i
i
i

yi

1.939

3.007

3.541

2.473

4.609

4.075

5.162

6.21

i

0.06

-0.007

0.458

-0.473

0.39

-0.075

-0.142

-0.21

Enfin, on peut calculer aussi :


1.
2 =

SCR
= 0.11
82

2. V\
ar(b) =

2
8
X

(xi x)2

0.11
= 0.0022
49.875

i=1

8
X


x2i

1
x
i=1
=
3. V\
ar(
a) =
2
= 0.0833
8 + X

8
8
X

8
(xi x)2
(xi x)2
2

i=1

i=1

x2
\
2

= 0.0123
4. Cov(
a, b) =
8

2
(xi x)
i=1

5. R2 = 1

SCR
0.661
=1
= 0.955
SCT
14.875

Exemple 2 :
fin destimer le modle conomtrique suivant : yt = a + bxt + t
t

yt

xt

7 389.99

8 000

8 169.65

9 000

8 831.71

9 500

8 652.84

9 500

8 788.08

9 800

9 616.21

11 000

10 593.45

12 000

11 186.11

13 000

12 758.09

15 000

10 13 869.62

16 000

t = 1, ..., 10.

On construit le tableau de calcul suivant :


(1)

(2)

(3)

(4)

(5)

(6)

(7)

yt

xt

(yt y)

(xt x)

(xt x)2

(yt y)(xt x)

7 389.99

8 000

-2 595.585

-3 280

10 758 400

8 513 518.8

8 169.65

9 000

-1 815.925

-2 280

5 198 400

4 140 309

8 831.71

9 500

-1 153.865

-1 780

3 168 400

2 053 879.7

8 652.84

9 500

-1 332.735

-1 780

3 168 400

2 372 268.3

8 788.08

9 800

-1 197.495

-1 480

2 190 400

1 772 292.6

9 616.21

11 000

-369.365

-280

78 400

103 422.2

10 593.45

12 000

607.875

720

518 400

437 670

11 186.11

13 000

1 200.535

1 720

2 958 400

2 064 920.2

12 758.09

15 000

2 772.515

3 720

13 838 400

10 313 756

10

13 869.62

16 000

3 884.045

4 720

22 278 400

18 332 692

Somme

99 855.75

112 800

64 156 000

50 104 729

Moyenne 9 985.575

11 280

Les rsultats de lestimation sont :

b =

10
X
(xt x)(yt y)

10
X
(xt x)yt

10
X

t=1

t=1
10
X

t=1
10
X

10
X

=
(xt x)2

t=1

=
(xt x)xt

t=1

xt yt 10
xy
=
x2t 10
x2

50104729
= 0.78
64156000

t=1

a
= y b
x = 9985.575 0.78 11280 = 1176.08

Exemple 3 :
Afin destimer le modle conomtrique suivant : yt = a + bxt + t

t = 1, ..., 30.

On dispose des donnes suivantes :


t

xt

yt

xt

yt

57 142.8

16 28

94.6

10

60.5

17 16

76.1

12

78.8

18 19

80.4

50

19 22

81.5

12

74.8

20 24

99.3

12

74.6

21 35

98.8

24

94

22 39 117.6

21

94.7

23 41 110.6

19

92.6

24 28

10

51.3

25 37 110.3

11 10

63.4

26 30 124.4

12 13

75.3

27 58 150.9

94.1

13 52 150.9

28 12

14 32 121.5

29 34 107.2

15

30 21

40.1

66.1

91.9

Les rsultats de lestimation sont :

\
ln(y
t ) = 3.023 + 0.481ln(xt )

yt = 46.955 + 1.843xt
(3.236)
2

(0.113)

R = 0.9

(0.072)
2

(0.023)

R = 0.937

; (.) : cart-type

Formules utiles
1- On note par :
n
X

Sxx =
(xi x)2 = nV (x)

i=1

SCT = Syy

X
2
Syy =
(yi y) = nV (y)
=
SCE = b2 Sxx = SCT R2

i=1

SCR = S b2 S = SCT (1 R2 )

X
yy
xx

(xi x)(yi y) = nCov(x, y)


Sxy =
i=1

H :r =0
rx,y
0
x,y
1
2
2 - Pour tester :
= T C = q
comparer avec t(n2)
1rx,y
H : r 6= 0
1

x,y

n2

3 - Pour tester la significativit globale du modle :

SCE
1
SCR
n2

R2
1
1R2
n2

n2
R2

1
1 R2

4 - Notons, qu chaque fois on ajoute une nouvelle variable explicative, le coefficient


de dtermination R2 augmente mcaniquement mme si la variable ajoute napporte
aucune explication. On fait appel au coefficient de dtermination ajust (corrig par le
degr{e de libert) qui naugmente que lorsque la variable ajoute est importante pour la
2 ) = (1 R2 ) n 1
rgression : (1 R
n2

Srie 2 : Rgression Linaire Multiple


Exercice 1 :
Soit le modle linaire suivant : yi = a + bxi + i

i = 1, ..., n

1. Retrouver les expressions des estimateurs des MCO ainsi que leurs variances (en
utilisant lcriture matricielle).
2. Exprimer le rsidu en fonction du terme derreur i .

Exercice 2 :
Afin dtudier comment varie le cot de maintenance dun vhicule utilitaire en fonction de lge de celui-ci, une entreprise a collect les donnes ci-dessous :
ge (en Mois) 15
Cot

48

36

41

16

21

21

53

10

32

17

58

20

43

77

89

50

40

56

62

100

47

71

58

102

35

60

Les valeurs suivantes ont t calcules :


15
X
i=1

xi = 362 ;

15
X
i=1

yi = 938 ;

15
X

x2i

= 12490 ;

i=1

15
X

yi2

= 64926 ;

i=1

15
X

xi yi = 27437

i=1

On cherche estimer les coefficients dune rgression linaire entre les variables x et y de
la forme :yi = axi + b + i avec les hypothses habituelles sur les perturbations.
1. Rappeler les hypothses fondamentales dapplication des MCO.
2. Estimer les paramtres du modle.
3. Calculer le coefficient de corrlation linaire.
4. Dresser le tableau danalyse de la variance ANOVA.
5. Calculer la variance estime des erreurs et donner la matrice de variance-covariance.
6. Donner les intervalles de confiance au seuil = 0.05 pour 2 , a et b.
7. Tester la significativit des paramtres a et b au risque = 0.05.
8. Dterminer une prvision du cot de maintenance pour un vhicule de 4 ans avec
un intervalle de confiance 95%.
10

Exercice 3 :
Soit le modle linaire suivant : yt = 0 + 1 x1t + 2 x2t + t

t = 1, ..., 10.

On donne :
10
X
t=1

x1t =

10
X

x2t =

t=1

10
X

x1t x2t = 0 ;

t=1

10
X

x21t

= 20 ;

t=1
10
X

10
X

x22t

= 40 ;

t=1

x1t yt =

t=1

10
X

10
X

yt = 10 ;

t=1

10
X

yt2 = 165 ;

t=1

x2t yt = 40

t=1

1. Calculer les estimateurs des MCO (0 , 1 et 2 ).


2. Estimer la variance des erreurs (
2 ).
3. Tester la significativit des paramtres 1 et 2 .
4. Etablir le tableau danalyse de la variance. En dduire le test de significativit
globale 5% de risque.
5. Calculer et interprter le coefficient de dtermination R2 .

Exercice 4 :
Dans le cadre de la thorie Keynsienne de la prfrence pour la liquidit, la demande
de la monnaie est fonction du revenu et du taux dintrt. Supposons que lquation de
demande de la monnaie est linaire : Mt = 0 + 1 Yt + 2 It + Ut Avec :
Mt : reprsente les dpts vue (appel M1 par les montaristes) en milliards
Yt : reprsente le produit national brut en milliards
It : est le taux dintrt en pourcentage
On dispose dobservations temporelles sur la priode 1960 - 1983 :
1. Quels sont les signes attendus des coefficients 2 et 3 ?
2. crire le modle sous sa forme matricielle : Y = X + U , et dfinir Y , X et ainsi
que leurs dimensions.

6473.1

0
On donne : (X Y ) = 11645890

47549.15

11

0.5183332 104

0.2546949

0.4547996 101

6
4
et (X 0 X)1 = 0.5183332 104
0.2370928 10
0.6226692 10

1
4
1
0.4547996 10
0.6226692 10
0.2138782 10
SCR = 1388.6
(a) Estimez les coefficients du modle par la mthode des MCO.
(b) Est-ce que les coefficients estims sont de bons signes, conformment ce qui
est attendu ?
(c) De combien va varier la demande de monnaie lorsque le taux dintrt baisse
de 1% ?
3. Donnez une estimation des variances des coefficients estims du modle et testez si
chaque coefficient est significatif.
4. Prvoir la demande de monnaie dans les deux situations suivantes :
(a) Y = 1000 milliards et I = 12%

(b) Y = 2000 milliards et I = 6%

5. Dterminez les lasticits de la demande par rapport au revenu aux points dfinis
dans la question 4.
6. Calculez le coefficient de dtermination du modle sachant que V ar(Mt ) = 12923.142.

Exercice 5 :
Soit le modle linaire suivant : yt = 0 + 1 x1t + 2 x2t + t

t = 1, ..., 14.

Lestimation du modle conduit aux rsultats suivants :


yt = 25.84 + 0.715x1t 0.328x2t
(0.26)

t = 1, ..., 14

(0.13)

R = 0.687
5.707687 0.16341 0.12221

0
1
;
(X
X)
=

= 2.538
0.16341 0.011001 0.002542

(.) : cart-type
0.12221 0.002542 0.002809

x
x
=
3
1,15
1,16 = 6
Soit les points suivants : (a)
et (b)
x
x
= 24
= 38
2,15

2,16

1. Discuter les rsultats de lestimation.


2. Donner des prvisions par intervalle au seul de 95% pour les points (a) et (b).
12

Exercice 6 :
Pendant 23 ans, nous avons relev sur une parcelle de terre, les rendements de la
culture du bl (y), la temprature moyenne (x1 ) et le niveau dhumidit (x2 ). Les rsultats
de lestimation sont les suivants :
yt = 27.3 + 0.51x1t 0.35x
2t

0.2
0.3
0.02
R2 = 0.937

et (X 0 X)1 = 0.3 0.0009 0.08


SCT = 317.46

0.02 0.08 0.0025

t = 1, ..., 23

1. Existe-t-il une influence dau moins un des facteurs sur les rendements ?
2. Leffet de la temprature est-il significativement deux fois plus lev de celui de
lhumidit ?

Exercice 7 :
Le grant dune grande marque de voiture veut estimer la vente annuelle dune rgion
ds le 1er Avril en matire de pices de rechange. En se basant sur les ventes rgionales, la
vente totale de la firme peut tre estime, Si, par rfrence lexprience passe, lestimation faite en Avril est raisonnablement prcise pour lestimation de la vente annuelle alors
cette estimation sera utilise pour rviser le plan de la production et maintenir linventaire ncessaire aux diffrents points de vente. Plusieurs facteurs influent sur la vente des
pices tels que le nombre dagences dans la rgion, le nombre de voitures enregistres dans
la rgion, et le total (les revenus personnels durant le premier trimestre de lanne,...).
Dans ce cadre, 5 variables sont retenues commue les plus importantes.
1re partie :
Soit le modle linaire suivant :
yi = 0 + 1 x1i + 2 x2i + 3 x3i + 4 x4i + 5 x5i + i

i = 1, ..., 10.

1. Exprimer le modle sous forme matricielle en prcisant les dimensions.


2. Exprimer lestimateur des MCO du modle.
3. Donner la forme de Hx telle que y = Hx y.
4. Exprimer les perturbations estimes en fonction de Hx .
13

5. Spcifier les variables les plus corrles avec la vente sachant la matrice des corrlation suivante :
Vente

Agences

Voitures

Revenu

Agences

0.899

Voitures

0.605

0.775

Revenu

0.964

0.825

0.409

ge

-0.323

-0.489

-0.447

-0.349

Inspecteurs

0.286

0.183

0.395

0.155

6. Identifier les variables les plus corrles entre elles.


7. Les liaisons entre "Agences" et "Revenu" et entre "Voitures" et "Agences" sont
assez fortes, voquent-elles un problme au niveau de lidentification du modle ? Si
oui,
(a) Prciser cette notion.
(b) Expliquer la ou les consquences.
(c) Quelles sont les solutions possibles face ce problme.
2me partie :
Lemploi des 5 variables explicatives retenues permet dobtenir la rgression suivante :
V\
entei = 19.672 0.000629Agencesi + 1.7399V oituresi + 0.40994Revenui +
(5.422)

(0.002638)

(0.553)

(0.04385)

2.0357Agei 0.0344Inspecteursi
(0.8779)

(0.188)

(.) : cart-type
1. Complter le tableau ANOVA suivant :
Source de variation

ddl

Somme des carrs Carrs moyens

Variation explique

...

1593.81

...

Variation rsiduelle

...

9.08

...

Variation totale

...

...

...

2. Calculer le coefficient de dtermination.


14

3. Effectuer le test de significativit globale du modle avec un niveau de risque de


5%.
4. Tester la significativit de chaque variable explicative avec un niveau de risque de
5%.
5. Interprter la pertinence de chaque variable dans lexplication de la vente.
Lorsque les variables "Agences" et "Inspecteurs" sont limines, la nouvelle rgression obtenue est la suivante :
V\
entei = 18.924 + 1.6129V oituresi + 0.40031Revenui + 1.9637Agei
(3.636)

(0.1979)

(0.01569)

(0.5846)

(.) : cart-type
6. Complter le tableau ANOVA suivant :
Source de variation

ddl

Somme des carrs Carrs moyens

Variation explique

...

1593.66

...

Variation rsiduelle

...

9.23

...

Variation totale

...

...

...

(a) Calculer le coefficient de dtermination.


(b) Effectuer le test de significativit globale du modle avec un niveau de risque
de 5%.
(c) Tester la significativit de chaque variable explicative avec un niveau de risque
de 5%.
(d) Interprter la diffrence entre des deux modles.

Exercice 8 :
Sur n = 100 observations, nous avons les statistiques suivantes :
2
2
V (y) = 1000; ry,x
= 0.75; ry,x
= 0.85; rx21 ,x2 = 0.45 et y = 12
1
2

1. La rgression linaire simple de y sur x1 , donne : yt = 10x1t 6, le coefficient de x1


est-il significativement diffrent de 0 ?
15

2. La rgression linaire simple de y sur x2 , donne : yt = 4x2t + 8, le coefficient de x2


est-il significativement diffrent de 0 ?
3. Calculer les coefficients du modle : yt = 0 + 1 x1t + 2 x2t + t .
(a) Calculer le R2 de cette rgression.
(b) Cette rgression est-elle globalement significative ?
(c) Les coefficients 1 et 2 sont-ils significativement diffrents de 0 ?

16

Srie 3 : Variations sur la Rgression Linaire Multiple


Exercice 1 :
Soit le modle linaire suivant : yt = 0 + 1 xt + 2 zt + t

t = 1, ..., T . laide dun

test appropri, et avec un risque derreur de 5%, nous avons constat la prsomption dun
problme de multicolinarit. Proposer et expliquer brivement les diffrentes techniques
capables de rsoudre ce problme.

Exercice 2 :
On considre le modle de rgression simple suivant :
yi = a + bxi + ui

i = 1, ..., 50.

O les ui sont les termes derreurs qui vrifient les hypothses du thorme de Gauss
Markov. Il se trouve que lon ne dispose pas des 50 observations sur les variables du
modle, on dispose uniquement de valeurs moyennes par groupe dindividus. Les donnes
agrges sont prsentes dans le tableau suivant : nj dsigne ici le nombre dobservations
xj

yj

17

nj

12

11

10

11

par groupe dindividus. Compte tenue de la disponibilit des donnes on va donc estimer
le modle suivant :
yj = a + b
xj + uj

j = 1, ..., 5 (groupes).

1. Donner la forme matricielle du modle.


2. Dterminer lexpression de la matrice des variances covariances des termes derreurs.
Que peut-on dduire ?
3. Estimer les paramtres du modle par la mthode des MCO et exprimer la matrice
des variances covariances des estimateurs.
4. Estimer nouveau les paramtres du modle par la mthode des moindres carrs
gnraliss, MCG.
17

5. Exprimer nouveau la matrice des variances covariances des estimateurs.


6. Comparer les variances des coefficients estims obtenues par les deux mthodes.
Expliquer ce rsultat.

H :b=0
0
7. Expliquer comment tester lhypothse :
H : b 6= 0
1

Exercice 3 :
Soit le modle linaire suivant : yt = 0 + 1 x1t + 2 x2t + 3 x3t + ut
ut  AR(1) cest dire : ut = ut1 + t

t = 1, ..., 20.

\t  bb.

1. La statistique de Durbin-Watson est gale 0,87. partir de cette statistique,


peut-on donner une approximation de ? Existe-t-il une autre mthode permettant
destimer ? La dcrire.
2. On propose de suivre la procdure suivante :

y = y y
t
t
t1
(a) Former
x = x x
j = 1, 2, 3.
jt
jt
jt1
(b) Rsoudre le modle obtenu par la mthode adquate.
3. Quel est lobjectif de cette dmarche ?

18

Annexes : Tables Statistiques


Fonction de rpartition de la loi normale centre rduite
z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9

0,00
0,5000
0,5398
0,5793
0,6179
0,6554
0,6915
0,7257
0,7580
0,7881
0,8159
0,8413
0,8643
0,8849
0,9032
0,9192
0,9332
0,9452
0,9554
0,9641
0,9713
0,9772
0,9821
0,9861
0,9893
0,9918
0,9938
0,9953
0,9965
0,9974
0,9981

(Probabilit F(z) de trouver une valeur


0,01
0,02
0,03
0,04
0,05
0,5040 0,5080 0,5120 0,5160 0,5199
0,5438 0,5478 0,5517 0,5557 0,5596
0,5832 0,5871 0,5910 0,5948 0,5987
0,6217 0,6255 0,6293 0,6331 0,6368
0,6591 0,6628 0,6664 0,6700 0,6736
0,6950 0,6985 0,7019 0,7054 0,7088
0,7291 0,7324 0,7357 0,7389 0,7422
0,7611 0,7642 0,7673 0,7704 0,7734
0,7910 0,7939 0,7967 0,7995 0,8023
0,8186 0,8212 0,8238 0,8264 0,8289
0,8438 0,8461 0,8485 0,8508 0,8531
0,8665 0,8686 0,8708 0,8729 0,8749
0,8869 0,8888 0,8907 0,8925 0,8944
0,9049 0,9066 0,9082 0,9099 0,9115
0,9207 0,9222 0,9236 0,9251 0,9265
0,9345 0,9357 0,9370 0,9382 0,9394
0,9463 0,9474 0,9484 0,9495 0,9505
0,9564 0,9573 0,9582 0,9591 0,9599
0,9649 0,9656 0,9664 0,9671 0,9678
0,9719 0,9726 0,9732 0,9738 0,9744
0,9778 0,9783 0,9788 0,9793 0,9798
0,9826 0,9830 0,9834 0,9838 0,9842
0,9864 0,9868 0,9871 0,9875 0,9878
0,9896 0,9898 0,9901 0,9904 0,9906
0,9920 0,9922 0,9925 0,9927 0,9929
0,9940 0,9941 0,9943 0,9945 0,9946
0,9955 0,9956 0,9957 0,9959 0,9960
0,9966 0,9967 0,9968 0,9969 0,9970
0,9975 0,9976 0,9977 0,9977 0,9978
0,9982 0,9982 0,9983 0,9984 0,9984

infrieure
0,06
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,8770
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,9750
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985

z)
0,07
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,8340
0,8577
0,8790
0,8980
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,9850
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985

0,08
0,5319
0,5714
0,6103
0,6480
0,6844
0,7190
0,7517
0,7823
0,8106
0,8365
0,8599
0,8810
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,9980
0,9986

0,09
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,9890
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986

Table pour les grandes valeurs de z


z
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9
F(z) 0,9986 0,9990 0,9993 0,9995 0,9996 0,9997 0,9998 0,9998 0,9999 0,9999
z
4,0
4,1
4,2
4,3
4,4
4,5
4,6
4,7
4,8
4,9
F(z) 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 1,0000
Note : La table donne F(z) pour z positif. Pour z ngatif, il faut prendre le complment
lunit de la valeur lue dans la table. Exemple :F (1, 37) = 1 F (1, 37) = 1 0, 9147 = 0, 0853.

19

Table de la loi de Student


v
1
2
3
4
5
6
7
8
9
10

(Valeurs de
p=0,90 0,80
0,15
0,32
0,14
0,28
0,13
0,27
0,13
0,27
0,13
0,26
0,13
0,26
0,13
0,26
0,13
0,26
0,12
0,26
0,12
0,26

T ayant la probabilit p dtre dpasses en valeur absolue)


0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,05 0,02 0,01
0,51 0,72 1,00 1,37 1,96 3,07 6,31 12,70 31,82 63,65
0,44 0,61 0,81 1,06 1,38 1,88 2,92 4,30 6,96 9,92
0,42 0,58 0,76 0,97 1,25 1,63 2,35 3,18 4,54 5,84
0,41 0,56 0,74 0,94 1,19 1,53 2,13 2,77 3,74 4,60
0,40 0,55 0,72 0,92 1,15 1,47 2,01 2,57 3,36 4,03
0,40 0,55 0,71 0,90 1,13 1,44 1,94 2,44 3,14 3,70
0,40 0,54 0,71 0,89 1,11 1,41 1,89 2,36 2,99 3,49
0,39 0,54 0,70 0,88 1,10 1,39 1,86 2,30 2,89 3,35
0,39 0,54 0,70 0,88 1,10 1,38 1,83 2,26 2,82 3,25
0,39 0,54 0,70 0,87 1,09 1,37 1,81 2,22 2,74 3,16

11
12
13
14
15
16
17
18
19
20

0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12

0,26
0,26
0,25
0,25
0,25
0,25
0,25
0,25
0,25
0,25

0,39
0,39
0,39
0,39
0,39
0,39
0,39
0,39
0,39
0,39

0,54
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53

0,69
0,69
0,69
0,69
0,69
0,69
0,68
0,68
0,68
0,68

0,87
0,87
0,87
0,86
0,86
0,86
0,86
0,86
0,86
0,86

1,08
1,08
1,07
1,07
1,07
1,07
1,06
1,06
1,06
1,06

1,36
1,35
1,35
1,34
1,34
1,33
1,33
1,33
1,32
1,32

1,79
1,78
1,77
1,76
1,75
1,74
1,74
1,73
1,72
1,72

2,20
2,17
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,08

2,71
2,68
2,65
2,62
2,60
2,58
2,56
2,55
2,53
2,52

3,10
3,05
3,01
2,97
2,94
2,92
2,89
2,87
2,86
2,84

21
22
23
24
25
26
27
28
29
30

0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12
0,12

0,25
0,25
0,25
0,25
0,25
0,25
0,25
0,25
0,25
0,25

0,39
0,39
0,39
0,39
0,39
0,39
0,38
0,38
0,38
0,38

0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53
0,53

0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68

0,85
0,85
0,85
0,85
0,85
0,85
0,85
0,85
0,85
0,85

1,06
1,06
1,06
1,05
1,05
1,05
1,05
1,05
1,05
1,05

1,32
1,32
1,31
1,31
1,31
1,31
1,31
1,31
1,31
1,31

1,72
1,71
1,71
1,71
1,70
1,70
1,70
1,70
1,69
1,69

2,08
2,07
2,06
2,06
2,06
2,05
2,05
2,04
2,04
2,04

2,51
2,50
2,50
2,49
2,48
2,47
2,47
2,46
2,46
2,45

2,83
2,81
2,80
2,79
2,78
2,77
2,77
2,76
2,75
2,75

0,12

0,25 0,38 0,52 0,67 0,84 1,03 1,28 1,64

1,96

2,32

2,57

Note : v est le nombre de degrs de libert.


Le quantile dordre 1

se lit dans la colonne p = .

Le quantile dordre 1 se lit dans la colonne p = 2.

20

Table de la loi de Fisher : = 0, 05


v2 \v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120

1
2
3
4
5
6
7
8
9
161,45 199,5 215,71 224,58 230,16 233,99 236,77 238,88 240,54
18,51 19,00 19,16 19,25 19,30 19,33 19,35 19,37 19,38
10,13 9,55
9,28
9,12
9,01
8,94
8,89
8,85
8,81
7,71
6,94
6,59
6,39
6,26
6,16
6,09
6,04
6,00
6,61
5,79
5,41
5,19
5,05
4,95
4,88
4,82
4,77
5,99
5,14
4,76
4,53
4,39
4,28
4,21
4,15
4,10
5,59
4,74
4,35
4,12
3,97
3,87
3,79
3,73
3,68
5,32
4,46
4,07
3,84
3,69
3,58
3,50
3,44
3,39
5,12
4,26
3,86
3,63
3,48
3,37
3,29
3,23
3,18
4,96
4,10
3,71
3,48
3,33
3,22
3,14
3,07
3,02
4,84
3,98
3,59
3,36
3,20
3,09
3,01
2,95
2,90
4,75
3,89
3,49
3,26
3,11
3,00
2,91
2,85
2,80
4,67
3,81
3,41
3,18
3,03
2,92
2,83
2,77
2,71
4,60
3,74
3,34
3,11
2,96
2,85
2,76
2,70
2,65
4,54
3,68
3,29
3,06
2,90
2,79
2,71
2,64
2,59
4,49
3,63
3,24
3,01
2,85
2,74
2,66
2,59
2,54
4,45
3,59
3,20
2,96
2,81
2,70
2,61
2,55
2,49
4,41
3,55
3,16
2,93
2,77
2,66
2,58
2,51
2,46
4,38
3,52
3,13
2,90
2,74
2,63
2,54
2,48
2,42
4,35
3,49
3,10
2,87
2,71
2,60
2,51
2,45
2,39
4,32
3,47
3,07
2,84
2,68
2,57
2,49
2,42
2,37
4,30
3,44
3,05
2,82
2,66
2,55
2,46
2,40
2,34
4,28
3,42
3,03
2,80
2,64
2,53
2,44
2,37
2,32
4,26
3,40
3,01
2,78
2,62
2,51
2,42
2,36
2,30
4,24
3,39
2,99
2,76
2,60
2,49
2,40
2,34
2,28
4,23
3,37
2,98
2,74
2,59
2,47
2,39
2,32
2,27
4,21
3,35
2,96
2,73
2,57
2,46
2,37
2,31
2,25
4,20
3,34
2,95
2,71
2,56
2,45
2,36
2,29
2,24
4,18
3,33
2,93
2,70
2,55
2,43
2,35
2,28
2,22
4,17
3,32
2,92
2,69
2,53
2,42
2,33
2,27
2,21
4,08
3,23
2,84
2,61
2,45
2,34
2,25
2,18
2,12
4,00
3,15
2,76
2,53
2,37
2,25
2,17
2,10
2,04
3,92
3,07
2,68
2,45
2,29
2,18
2,09
2,02
1,96
3,84
3,00
2,60
2,37
2,21
2,10
2,01
1,94
1,88

Note :
v1 degrs de libert du numrateur.
v2 degrs de libert du dnominateur.

21

Table de la loi de Fisher : = 0, 05 (Suite)


v2 \v1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120

10
12
15
20
24
30
40
60
120

241,88 243,91 245,95 248,01 249,05 250,10 251,14 252,2 253,25 254,30
19,4
19,41 19,43 19,45 19,45 19,46 19,47 19,48 19,49 19,50
8,79
8,74
8,70
8,66
8,64
8,62
8,59
8,57
8,55
8,53
5,96
5,91
5,86
5,80
5,77
5,75
5,72
5,69
5,66
5,63
4,74
4,68
4,62
4,56
4,53
4,50
4,46
4,43
4,40
4,36
4,06
4,00
3,94
3,87
3,84
3,81
3,77
3,74
3,70
3,67
3,64
3,57
3,51
3,44
3,41
3,38
3,34
3,30
3,27
3,23
3,35
3,28
3,22
3,15
3,12
3,08
3,04
3,01
2,97
2,93
3,14
3,07
3,01
2,94
2,90
2,86
2,83
2,79
2,75
2,71
2,98
2,91
2,85
2,77
2,74
2,70
2,66
2,62
2,58
2,54
2,85
2,79
2,72
2,65
2,61
2,57
2,53
2,49
2,45
2,40
2,75
2,69
2,62
2,54
2,51
2,47
2,43
2,38
2,34
2,30
2,67
2,60
2,53
2,46
2,42
2,38
2,34
2,30
2,25
2,21
2,60
2,53
2,46
2,39
2,35
2,31
2,27
2,22
2,18
2,13
2,54
2,48
2,40
2,33
2,29
2,25
2,20
2,16
2,11
2,07
2,49
2,42
2,35
2,28
2,24
2,19
2,15
2,11
2,06
2,01
2,45
2,38
2,31
2,23
2,19
2,15
2,10
2,06
2,01
1,96
2,41
2,34
2,27
2,19
2,15
2,11
2,06
2,02
1,97
1,92
2,38
2,31
2,23
2,16
2,11
2,07
2,03
1,98
1,93
1,88
2,35
2,28
2,20
2,12
2,08
2,04
1,99
1,95
1,90
1,84
2,32
2,25
2,18
2,10
2,05
2,01
1,96
1,92
1,87
1,81
2,30
2,23
2,15
2,07
2,03
1,98
1,94
1,89
1,84
1,78
2,27
2,20
2,13
2,05
2,01
1,96
1,91
1,86
1,81
1,76
2,25
2,18
2,11
2,03
1,98
1,94
1,89
1,84
1,79
1,73
2,24
2,16
2,09
2,01
1,96
1,92
1,87
1,82
1,77
1,71
2,22
2,15
2,07
1,99
1,95
1,90
1,85
1,80
1,75
1,69
2,20
2,13
2,06
1,97
1,93
1,88
1,84
1,79
1,73
1,67
2,19
2,12
2,04
1,96
1,91
1,87
1,82
1,77
1,71
1,65
2,18
2,10
2,03
1,94
1,90
1,85
1,81
1,75
1,70
1,64
2,16
2,09
2,01
1,93
1,89
1,84
1,79
1,74
1,68
1,62
2,08
2,00
1,92
1,84
1,79
1,74
1,69
1,64
1,58
1,51
1,99
1,92
1,84
1,75
1,70
1,65
1,59
1,53
1,47
1,39
1,91
1,83
1,75
1,66
1,61
1,55
1,50
1,43
1,35
1,25
1,83
1,75
1,67
1,57
1,52
1,46
1,39
1,32
1,22
1,00

Note :
v1 degrs de libert du numrateur.
v2 degrs de libert du dnominateur.

22

Table de la loi du Khi-deux


v
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

(Valeurs
p=0,995 0,99
0,00
0,00
0,01
0,02
0,07
0,12
0,21
0,30
0,41
0,55
0,68
0,87
0,99
1,24
1,34
1,65
1,74
2,09
2,16
2,56
2,60
3,05
3,07
3,57
3,57
4,11
4,08
4,66
4,60
5,23
5,14
5,81
5,70
6,41
6,27
7,02
6,84
7,63
7,43
8,26
8,03
8,90
8,64
9,54
9,26
10,20
9,89
10,86
10,52
11,52
11,16
12,20
11,81
12,88
12,46
13,57
13,12
14,26
13,79
14,95

de 2 ayant la
0,975 0,95
0,00 0,00
0,05 0,10
0,22 0,35
0,48 0,71
0,83 1,15
1,24 1,64
1,69 2,17
2,18 2,73
2,70 3,33
3,25 3,94
3,82 4,58
4,40 5,23
5,01 5,89
5,63 6,57
6,26 7,26
6,91 7,96
7,56 8,67
8,23 9,39
8,91 10,12
9,59 10,85
10,28 11,59
10,98 12,34
11,69 13,09
12,40 13,85
13,12 14,61
13,84 15,38
14,57 16,15
15,31 16,93
16,05 17,71
16,79 18,49

probabilit p dtre dpasses)


0,90 0,10 0,05 0,025 0,01
0,02 2,71 3,84 5,02 6,64
0,21 4,61 5,99 7,38 9,21
0,58 6,25 7,82 9,35 11,35
1,06 7,78 9,49 11,14 13,28
1,61 9,24 11,07 12,83 15,09
2,20 10,65 12,59 14,45 16,81
2,83 12,02 14,07 16,01 18,48
3,49 13,36 15,51 17,54 20,09
4,17 14,68 16,92 19,02 21,67
4,87 15,99 18,31 20,48 23,21
5,58 17,28 19,68 21,92 24,73
6,30 18,55 21,03 23,34 26,22
7,04 19,81 22,36 24,74 27,69
7,79 21,06 23,69 26,12 29,14
8,55 22,31 25,00 27,49 30,58
9,31 23,54 26,30 28,85 32,00
10,09 24,77 27,59 30,19 33,41
10,87 25,99 28,87 31,53 34,81
11,65 27,20 30,14 32,85 36,19
12,44 28,41 31,41 34,17 37,57
13,24 29,62 32,67 35,48 38,93
14,04 30,81 33,92 36,78 40,29
14,85 32,01 35,17 38,08 41,64
15,66 33,20 36,42 39,36 42,98
16,47 34,38 37,65 40,65 44,31
17,29 35,56 38,89 41,92 45,64
18,11 36,74 40,11 43,20 46,96
18,94 37,92 41,34 44,46 48,28
19,77 39,09 42,56 45,72 49,59
20,60 40,26 43,77 46,98 50,89

0,005
7,88
10,60
12,84
14,86
16,75
18,55
20,28
21,96
23,59
25,19
26,76
28,30
29,82
31,32
32,80
34,27
35,72
37,16
38,58
40,00
41,40
42,80
44,18
45,56
46,93
48,29
49,65
50,99
52,34
53,67

Note : v est le nombre de degrs de libert.


Pour v > 30, on peut admettre que la quantit
rduite.

23

22

2v 1 suit la loi normale centre

Table de Durbin et Watson


Valeurs critiques au seuil = 0,05 pour H0 : = 0
p : nombre de variables explicatives (constante exclue)
p=1
n
d1
d2
15 1,08 1,36
16 1,10 1,37
17 1,13 1,38
18 1,16 1,39
19 1,18 1,40
20 1,20 1,41
21 1,22 1,42
22 1,24 1,43
23 1,26 1,44
24 1,27 1,45
25 1,29 1,45
26 1,30 1,46
27 1,32 1,47
28 1,33 1,48
29 1,34 1,48
30 1,35 1,49
31 1,36 1,50
32 1,37 1,50
33 1,38 1,51
34 1,39 1,51
35 1,40 1,52
36 1,41 1,52
37 1,42 1,53
38 1,43 1,54
39 1,43 1,54
40 1,44 1,54
45 1,48 1,57
50 1,50 1,59
55 1,53 1,60
60 1,55 1,62
65 1,57 1,63
70 1,58 1,64
75 1,60 1,65
80 1,61 1,66
85 1,62 1,67
90 1,63 1,68
95 1,64 1,69
100 1,65 1,69

n : nombre dobservations
p=2
p=3
p=4
d1
d2
d1
d2
d1
d2
0,95 1,54 0,82 1,75 0,69 1,97
0,98 1,54 0,86 1,73 0,74 1,93
1,02 1,54 0,90 1,71 0,78 1,90
1,05 1,53 0,93 1,69 0,82 1,87
1,08 1,53 0,97 1,68 0,86 1,85
1,10 1,54 1,00 1,68 0,90 1,83
1,13 1,54 1,03 1,67 0,93 1,81
1,15 1,54 1,05 1,66 0,96 1,80
1,17 1,54 1,08 1,66 0,99 1,79
1,19 1,55 1,10 1,66 1,01 1,78
1,21 1,55 1,12 1,66 1,04 1,77
1,22 1,55 1,14 1,65 1,06 1,76
1,24 1,56 1,16 1,65 1,08 1,76
1,26 1,56 1,18 1,65 1,10 1,75
1,27 1,56 1,20 1,65 1,12 1,74
1,28 1,57 1,21 1,65 1,14 1,74
1,30 1,57 1,23 1,65 1,16 1,74
1,31 1,57 1,24 1,65 1,18 1,73
1,32 1,58 1,26 1,65 1,19 1,73
1,33 1,58 1,27 1,65 1,21 1,73
1,34 1,58 1,28 1,65 1,22 1,73
1,35 1,59 1,29 1,65 1,24 1,73
1,36 1,59 1,31 1,66 1,25 1,72
1,37 1,59 1,32 1,66 1,26 1,72
1,38 1,60 1,33 1,66 1,27 1,72
1,39 1,60 1,34 1,66 1,29 1,72
1,43 1,62 1,38 1,67 1,34 1,72
1,46 1,63 1,42 1,67 1,38 1,72
1,49 1,64 1,45 1,68 1,41 1,72
1,51 1,65 1,48 1,69 1,44 1,73
1,54 1,66 1,50 1,70 1,47 1,73
1,55 1,67 1,52 1,70 1,49 1,74
1,57 1,68 1,54 1,71 1,51 1,74
1,59 1,69 1,56 1,72 1,53 1,74
1,60 1,70 1,57 1,72 1,55 1,75
1,61 1,70 1,59 1,73 1,57 1,75
1,62 1,71 1,60 1,73 1,58 1,75
1,63 1,72 1,61 1,74 1,59 1,76

24

p=5
d1
d2
0,56 2,21
0,62 2,15
0,67 2,10
0,71 2,06
0,75 2,02
0,79 1,99
0,83 1,96
0,86 1,94
0,90 1,92
0,93 1,90
0,95 1,89
0,98 1,88
1,01 1,86
1,03 1,85
1,05 1,84
1,07 1,83
1,09 1,83
1,11 1,82
1,13 1,81
1,15 1,81
1,16 1,80
1,18 1,80
1,19 1,80
1,21 1,79
1,22 1,79
1,23 1,79
1,29 1,78
1,34 1,77
1,38 1,77
1,41 1,77
1,44 1,77
1,46 1,77
1,49 1,77
1,51 1,77
1,52 1,77
1,54 1,78
1,56 1,78
1,57 1,78