Académique Documents
Professionnel Documents
Culture Documents
gestion appliqu
l'assurance
Partie 4
Plan de la partie :
Ajustements et rgressions
Sries chronologiques
1. Techniques d'ajustement
1.1. Courbe d'ajustement
Soit un chantillon de taille n ayant comme mesures x1, x2, ..., xn et y1, y2, ..., yn.
On peut reporter lensemble de ces points sur un graphique orthonorm et on obtient un nuage
de points (diagramme de dispersion). Sur ce graphique, on peut souvent tracer une courbe
pousant au mieux les donnes, cest la courbe dajustement.
Au vu du diagramme de dispersion, on peut alors essayer de trouver une forme analytique de
cette courbe dajustement.
1.2. La mthode des moindres carrs
1.2.1.Ajustement linaire
Soit n points Pi de coordonnes (xi, yi). Il sagit de trouver les coefficients a et b dune droite
y tel que la somme des carrs des distances verticales depuis les points Pi jusqu la droite y
soit minimale.
Lcart de la droite y par rapport un point Pi est donn par
Si nous mesurons la distance le long de laxe des y depuis le point Pi jusqu lordonne du
point xi sur la droite y. Un tel cart peut tre ngatif ou positif et cest pourquoi nous ne
minimisons pas la somme des carts, mais la somme des carrs des carts. On a ainsi
10
Et
La covariance et la variance tant dfinies ainsi :
10
Pour rsumer, la droite des moindre carrs de y en x passe par le point "moyen" de
coordonnes
, a pour pente
Pour mesurer la qualit de l'ajustement, on peut calculer la somme des carrs des erreurs
individuelles qui correspond au E dtaill l'expression (#)
1.2.2.Ajustements non linaires
Dans certains cas, lajustement une fonction linaire nest pas adquat : un ajustement des
donnes une fonction non linaire doit tre envisag. Les deux cas que nous considrons
sont ceux o on peut se ramener par simple transformation un ajustement affine.
1.2.2.1.
Supposons que les variables statistiques x et y sont lies par une relation de la forme :
Supposons que les variables statistiques x et y sont lies par une relation de la forme :
Dans ce cas, cette quation peut tre transforme en passant aux logarithmes :
2. Srie chronologique
Une srie chronologique est une srie statistique ordonne en fonction du temps.
Exemples : le cours journalier en bourse ( la clture) dune action, le nombre de nouveaux
assurs comptabiliss par une compagnie d'assurance chaque mois. Ltude de ces sries est
intressante car elle peut permettre de prvoir lvolution du phnomne observ dans le
temps.
Voici une srie chronologique indiquant le nombre de victimes dans des accidents de la route
au Luxembourg ayant t indemnises par leur assureur :
Anne
1970
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
Nombre de
victimes
2497
2380
2239
2034
2193
2185
2075
2062
1749
1946
1914
1846
1725
1725
1720
1616
1730
1609
1559
1575
1588
1331
1246
10
10
Sur la reprsentation graphique dune srie chronologique, on peut distinguer les composantes
fondamentales suivantes :
le mouvement de tendance gnrale ou trend indiquant lvolution gnrale du
phnomne tudi
les mouvements cycliques sur une grande priode autour du trend. Ces mouvements
peuvent tre priodiques (exemple : rcession et expansion conomique, etc.)
les mouvements saisonniers ou variations saisonnires sont des variations se reproduisant
priodiquement des moments bien dtermins (exemple : vente de contrat
complmentaire sant la rentre scolaire, etc.)
les mouvements accidentels ou rsiduels sont dus des facteurs exceptionnels pour la plupart
imprvisibles (risque de guerre, etc.)
Il est clair quafin de pouvoir estimer la tendance, cest--dire le mouvement dun phnomne
observ sur un grand intervalle de temps, il faut disposer dune srie statistique sur une longue
priode.
Disposant de ces donnes, le premier travail consiste effectuer une reprsentation graphique
adquate permettant davoir une vue globale du phnomne tudi.
2.2.1.Ajustement analytique
Si les donnes sur le graphique se prsentent sous une forme ressemblant une courbe connue
(droite, parabole, exponentielle, etc.), on peut essayer de dgager une forme analytique pour
cette courbe.
Nous ajustons cette courbe avec les mthodes tudies au chapitre prcdent, ce qui permet de
dterminer la tendance de la srie chronologique.
2.2.2.Moyennes mobiles
t2
6
t3
5
t4
3
t5
7
t6
5
t7
4
t8
3
t9
6
Si nous calculons les moyennes mobiles dordre 3, nous obtenons les valeurs suivantes :
t1
4
t2
6
5.00
t3
5
4.67
t4
3
5.00
t5
7
5.00
t6
5
5.33
t7
4
4.00
t8
3
4.33
t9
6
t2
6
t3
5
5
t4
3
5.2
t5
7
4.8
t6
5
4.4
t7
4
5
t8
3
t9
6
10
10
En choisissant p pair, nous sommes confronts au problme que les moyennes obtenues ne
correspondront pas une abscisse existante, mais chevaucheront entre deux de ces valeurs.
Exemple : dans la srie chronologique prcdente, si nous calculons les moyennes mobiles
dordre 4, nous obtenons des valeurs pour t2,5, t3,5 , etc., ce qui nest pas pratique. Cest pour
cette raison quon calcule une moyenne sur 5 valeurs mais en prenant soin de pondrer les
deux valeurs extrmes par 1/2 au lieu de 1 pour les autres valeurs. Il faut quand mme veiller
diviser par 4 (et non par 5) ! Ceci nous garantit que chaque valeur nest prise en compte
quune seule fois.
Nous aurons donc les moyennes mobiles dordre 4 suivantes :
t1
t2
t3
t4
t5
t6
4
6
5
3
7
5
4.88
5.13
4.88
4.75
t7
4
4.63
t8
3
t9
6
Afin de faire cette distinction, on peut se baser sur une mthode graphique : on fait un
graphique reprsentant la srie chronologique, puis on trace une droite passant respectivement
par les minima et par les maxima de chaque saison. Si ces deux droites sont parallles, nous
sommes en prsence dun modle additif. Dans le cas contraire, cest un modle multiplicatif.
Exemple :
Nous tudions ces mthodes sur un exemple concret en nous basant sur la srie
chronologique Nouveaux contrats dassurances souscrits selon le mois
Anne
Janvier
Fvrier
Mars
Avril
Mai
Juin
Juillet
Aot
Septembre
Octobre
Novembre
Dcembre
1996
2006
3224
3789
4153
3100
2527
3015
1504
1847
2314
1673
160210
1997
2247
3862
3586
4047
2838
2727
2730
1648
2007
2450
1966
1695
1998
2433
3723
4325
4493
3399
3083
3247
1928
2377
2831
2388
2126
1999
3127
4437
5478
4384
3552
3678
3611
2260
2699
3071
2510
2182
2000
3016
4671
5218
4746
4814
3545
3341
2439
2637
3085
2737
2055
Sur cet exemple, nous constatons que les deux droites ne sont pas parallles, nous sommes
donc en prsence dun modle multiplicatif.
2.3.2. Mthode analytique :
On calcule les moyennes et carts-types pour chacune des priodes considres et on calcule
la droite des moindres carrs
. Si a est nul, cest un modle additif, si
, le
modle est multiplicatif.
Priode
moyenne
cart-type
1996
2562.8
850.7
1997
2650.3
782.3
1998
3029.4
803.6
1999
3415.8
946.6
2000
3525.3
1023.4