21/05/13

Sminaires de:

Statistique descriptive II
Ahmed SABBARI

Deuxime semestre /Premire anne du cycle Gnral Bac+3- Anne universitaire: 2012/2013

La rduc@on des donnes

q Les paramtres de posi.on:

Ils servent caractriser lordre de grandeur des
observa@ons.

q Les paramtres de dispersion:
PermeIent de chirer la variabilit des valeurs
observes autour dun paramtre de posi@on.

q Les paramtres de forme:
PermeIent de caractriser la forme dune distribu@on.

1
 21/05/13

Les paramtres de tendances centrales

la moyenne arithm/que :

Soit un chan@llon de n valeurs observes x, x, .,x,.,xn dun caractre quan:ta:f X,


k
nixi k
Pour une variable sta/s/que discrte: x = k
i =1
= fixi
(k est le nombre dobserva@ons dis@nctes que peut
Prendre la variable)
ni i=1
i =1

k

Pour une variable sta/s/que con/nue groupe en classe: nici k

= fici
i =1
(C est le point central de la classe i) x = k
ni i=1
Moyenne arithm.que pondre: k i =1

ixi
i =1
x = k
i
i =1

Soit la srie brute suivante rela@ve la rpar@@on de 30 entreprises selon le

nombre de brevets dposs:
4-0-3-1-0-2-4-1-1-4-2-3-4-2-4-1-3-2-3-1-1-2-2-0-3-3-1-1-2-1.

5 valeurs ou modalits: x=0, x=1, x=2, x=3, x=4
n=3, n=9, n=7, n=6, n=5
f=0,3; f=0,23; f=0,2; f=0,17; f=0,1

x n f N (n) N F (f) F
(n) (f)
0 3 0,30 3 30 0,30 1,00

1 9 0,23 12 27 0,53 0,70

2 7 0,20 19 18 0,73 0,47

3 6 0,17 25 11 0,90 0,27

4 5 0,1 30 5 1,00 0,1

Total 30 1,00

2
 21/05/13

Soit la sta@s@que suivante donnant le nombre de pannes observes sur un parc de 100
machines iden@ques, en une anne.

Nombre annuel de pannes 0 1 2 3 4 5 + de 5

Nombre de machines 25 40 15 12 5 3 0

Nombre de pannes Eec@f n X.n

X
0 25 0
1 40 40
2 15 30
3 12 36
4 5 20
5 3 15

Total 100 141

la srie suivante reprsente le revenu net mensuel en dirhams de 25 employs dune

entreprise:
2400, 3500, 2300, 2800, 2500, 1600, 1500, 2500, 4800, 2800, 3000, 3500, 1800, 4000,
4500, 2000, 2300, 3500, 1800, 2400, 4000, 2000, 2500, 2800, 3500

Frquences absolues Frquences rela.ves

cumules cumules
Revenu Ci ni
Croissantes Dcroissantes Croissantes Dcroissantes
N N F F

1000- 2000 1500 4 4 25 0,16 0,16 1,00

2000- 3000 2500 12 16 21 0,48 0,64 0,84

3000- 4000 3500 5 21 9 0,2 0,84 0,36

4000- 5000 4500 4 25 4 0,16 1,00 0,16

Total 25 1,00

3
 21/05/13

Classes Ci Eec@f n Cn

60 000- 80 000 70 000 50 3 500 000
80 000- 10 000 90 000 190 17 100 000
10 000- 150 000 125 000 210 26 250 000
150 000- 20 0000 175 000 40 7 000 000
200 000- 300 000 250 000 7 1 750 000
300 000- 400 000 350 000 3 1 050 000

TOTAL 500 56 650 000

Les paramtres de tendances centrales

(suite)
La mdiane:
La mdiane: est une valeur de la variable sta@s@que qui partage la popula@on tudie
en deux eec@fs gaux, telle que la moi@ de ces eec@fs lui soit infrieure et lautre
moi@ lui soit suprieure. xi tel que Fi = 0,5

" Cas dune variable discrte:
n +1
N=2n+1, la Me correspond lobserva@on de rang 2
n
N=2n, la Me est comprise entre lobserva@ons de rangs et n + 1
2 2

(on a un intervalle mdiane et la valeur de la Me correspond au milieu de cet
intervalle).
" cas dune variable con:nue: L: borne infrieure de la classe mdiane
a: amplitude de la classe mdiane
n
Ni 1
n: nombre total des observa@ons
Me = L 0 + ai 2 Nn-1: frquence absolue cumule croissante de la classe qui
ni prcde la classe mdiane
n: frquence absolue de la classe mdiale

4
 21/05/13

Les paramtres de tendances centrales

(Suite)
Le mode:
Le mode: ou encore la dominante dune srie sta@s@que est la valeur du caractre
laquelle correspond le plus grand eec@f ou la plus grand frquence.

La mdiale:

L: borne infrieure de la classe mdiale
k
a: amplitude de la classe mdiale
nixi
i =1 nx: somme des observa@ons
Si 1 Sn-1: somme des observa@ons cumules croissantes de la
2
Ml = L 0 + a i classe qui prcde la classe mdiale
nixi nx: somme des observa@ons de la classe mdiale

Les paramtres de dispersion

1. Ltendue ou lamplitude
2. Indicateurs de dispersion par rapport la moyenne (la variance, lcart
type , le coefficient de variation)
3. Les fractiles (les quartiles, les dciles et lintervalle interquartile et
interdcile)

Amplitude ou tendue:
cart entre la plus grande et la plus pe@te des valeurs observes
Non dnie pour les distribu@ons groupes

5
 21/05/13

Les indicateurs de dispersion par rapport la moyenne

1) La variance et cart type:
La variance est la moyenne arithm.que des carres des carts des observa.ons par
rapport la moyenne.
n n
( xi x ) ( xi x )
i =1 i =1
S = S =
n n

k
k
ni ( xi x ) ni ( xi x )
i =1
S = k S = i =1
k
ni ni
i =1
i =1

k
k
ni ( Ci x ) ni ( Ci x )
i =1
S = k S = i =1
k
ni ni
i =1
i =1

Les indicateurs de dispersion par rapport la moyenne

Proprits de la variance:
Transforma.on linaire:
Sy = a Sx Sy = a Sx

Formule dveloppe de la variance: la variance est gale la dirence entre la
moyenne des carrs et le carr de la moyenne n
xi
S = i =1 x
n

6
 21/05/13

Les indicateurs de dispersion par rapport la moyenne

Le coecient de varia/on CV:

(Coecient of varia@on, percentage standard devia@on)
CV est le rapport cart type divis par la moyenne.


= S
CV
x


N.B:
- CV est un nombre pur, sans units.
- CV est totalement indpendant des units.
- Le CV permet de comparer la variabilit de distribu@ons de variables qui ne
sont pas dans les mmes units.

Autres indicateurs de dispersion

Les frac@les: le frac@le dordre p permet de partager la popula@on en p

par@es gales.
Les quar@les: partagent le nombre total des observa@ons en 4 par@es
gales
n 3n
Ni 1 Ni 1
4 4
q1 = L 0 + ai q 3 = L 0 + ai
ni ni

Les dciles: partagent le nombre total des observa@ons en 10 par@es gales

i n
Ni 1
d i = L 0 + ai
10
ni

14

7
 21/05/13

Les paramtres de formes

On appelle moment dordre r par rapport une valeur a, la quan@t:

k
r
( xi a )
i =1
Mr =
n
Moments non centrs (moments par rapport lorigine): ce sont les
moments dordre r par rapport 0. k
r
xi
i =1
Mr =
n k
r
Les moments centrs: moments par rapport la moyenne. ( xi x )
i =1
Mr =
n
Le coecient dasymtrie:
M3
g1 =
S3
Le coecient dapla@ssement:
g2 =
M4
3
S4

Programme du 2me semestre

Les sries sta@s@ques deux caractres et
distribu@ons marginales.
Les sries sta@s@ques deux dimension et
distribu@ons condi@onnelles.
Lindpendance des variables.
Lajustement linaire et la corrla@on.
les indices (de prix, de quan@t ou de volume, en
valeur et boursiers)
Les sries chronologiques.

8
 21/05/13

Analyse dune srie statistique 2 caractres:

Les caractris/ques marginales:

La moyenne marginale de la distribu@on marginale de X, note X est la
moyenne arithm@que de la variable X indpendament de Y.
k k
1
Elle a pour formule:

x=
n.. i=1
ni. xi x= fi. xi
i =1

La variance marginale de la distribution marginale de X est dfinie par les

formules suivantes:
k k
1
S ( x ) = ni.( xi x ) ou S ( x ) =
n..
fi.( xi x )
i =1 i =1

la moyenne des X j pondre par les n . j est gale la moyenne marginale X

n
1
x=
n.. j =1
X j .n . j

Analyse dune srie statistique 2 caractres:

Les caractris/ques condi/onnelles:

La moyenne conditionnelle de la distribution conditionnelle de X lie par Yj est la moyenne
arithmtique (selon le caractre X) du sous ensemble de la population totale, possedant en
commun la modalit Yj du caractre Y:
1
Xj =
n. j
nijxi
La variance conditionnelle de la distribution conditionnelle de X lie par Yj de Y, note Sj(x)
correspond la moyenne quadratique dcarts de xi X j , elle mesure la dispersion des n.j
individus quand ils sont classs du point de vue du caractre X:
1
k
S j ( x) = n. j nij ( xi x j )
i =1

La variance marginale est gale la somme de la moyenne pondre des variance

condi@onnelles et de la variance pondre des moyennes condi@onnelles:
k k
1 1
S ( y ) = n ..
ni . Si ( y ) + n .. ni .( yi y )
i =1 i =1

9
 21/05/13

Les paramtres dajustement et de corrlation:

La covariance:
Cest la moyenne arithmtique des produits des diffrences des observations par rapport leur
moyenne: n
Cas dune srie statistique double: ( xi x )( yi y )
i =1
COV ( X ,Y ) =
n

Cas dun tableau de contingence: n p

nij ( xi x )( y j y )
i =1 j =1
COV ( X ,Y ) =
n

Les paramtres dajustement et de corrlation:

Proprits de la covariance:
Si X=Y alors COV ( X , Y ) = S

Formule dveloppe de la covariance: n

xi yi
i =1
COV ( X , Y ) = xy
n

Transformation linaire: COV ( X ' , Y ' ) = a a 'COV ( X , Y )

COV ( X ,Y ) S x S y

10
 21/05/13

Les paramtres dajustement et de corrlation:

Coecient de corrla/on linaire:

Mesure lintensit de la liaison linaire entre deux variables statistiques X et Y:
COV ( X ,Y )
r =
S x S y

Le coefficient de correlation linaire est indpendant des units de mesure.

Le coefficient de correlation linaire est indpendant de toute transformation linaire positive.
r( X ' , Y ' ) = r( X , Y )

Coecient de dtermina/on:
Cest le carr du coefficient de corrlation linaire. Il mesure la part de la variation dune
variable explique par lautre variable. COV ( X ,Y )
r =
S x S y

Le coefficient de dtermination est indpendant des units de mesure.

Le coefficient de dtermination est indpendant de toute transformation linaire.

Applica@on
Le tableau qui suit relate lvolu@on sur huit mois de deux
variables pour un vhicule de transport:

xi : distance parcourues (en Km);
Yi : cot dentre@en mensuel (en DH).

xi 500 540 580 629 679 733 791 854
Yi 1510 1620 1749 1888 2039 2202 2378 2568

1- Dterminer la covariance entre X et Y;
2- Calculer le coecient de corrla@on r;
3- Calculer le coecient de dtermina@on r2

11
 21/05/13

Applica@on
Une personne rpertorie ses dpenses mensuelles de transport
pour se rendre au travail, selon quil recourt aux presta@ons du
Bus (xi) ou celle de grand taxi (yi):
Ces dpenses mensuelles ont t rcapitules dans le tableau
suivant:

xi 60 61,5 75 76,5 78 82,5 84 69,6 90 97,5 105
i
y 120 121,5 103,5 105 100,5 97,5 99 96 97,5 99 75

xi : dpense mensuelles en DH pour le service Bus ;
Yi : dpense mensuelles en DH pour le service Grand taxi ;

1- calculer quant au lien de subs@tuabilit entre X et Y;
2- Calculer le coecient de dtermina@on r2

Applica@on
Le tableau suivant donne la distribu@on du nombre de pices X du
logement selon le nombre denfants Y de mille familles:

Y 0 1 2 3 4 Total
X
1 10 5 2 0 0 17
2 40 60 40 3 0 143
3 30 70 100 50 8 258
4 15 55 145 100 22 337
5 3 25 95 25 20 168
6 2 10 30 22 13 77
Total 100 225 412 200 63 1000

12
 21/05/13

Applica@on
On dispose dune base de donnes indiquant la taille et le poids de 900 tudiants.
La taille est mesure en cen@mtres et le poids en kilos. Aprs regroupement en
classes, on ob@ent le tableau suivant:
Poids 50-70 70-90 90-110
Tailles

145-155 36 36 72
155-165 22 108 176
165-175 05 90 274
175-180 09 54 ?
1- dterminer leec@f correspondant aux dernires modalits du poids et de la
taille
2- quelle est la frquence rela@ve de lobserva@on correspondant la 3me
modalit de la taille et la 2me modalit du poids.
3- tablir le tableau de la distribu@on marginale du poids. Calculer la moyenne
marginale du poids.
4- tablir le tableau de distribu@on condi@onnelle du poids lie par par la 1re
modalit de la taille. Calculer la moyenne condi@onnelle du poids lie la 1re
modalit de la taille.

Applica@on
n de ltudiant Mathma@ques (xi) Sta@s@ques (yi)
1 11 10
2 14 15
3 09 11
4 12 11
5 16 17
6 05 06
7 15 14
8 12 14
9 11 13
10 10 11
11 07 06
12 15 16

13
 21/05/13

Diagramme de dispersion

Le diagramme de dispersion dune variable Y en

fonction dune autre variable X est form des points
moyens conditionnels (xi , yi ), et donne une ide de la
faon dont varie, en moyenne, la variable Y en fonction
de la variable X. de faon analogue, on dfinit le
diagramme de dispersion de X en fonction de Y.

Notion de rgression

partir du diagramme de dispersion, on peut souvent

reprsenter une courbe continue approchant les
donnes. Cette courbe est appele courbe
dajustement.

La rgression est une mthode statistique qui permet

de dterminer lquation de la courbe dajustement.

14
 21/05/13

Notion de rgression

Magasin Truc

70
CA en centaines de $

60
50
^
40
y = ax + b
30
20
10
0
0 1 2 3 4 5 6 7 8
Nombre de spots publicitaires

La rgression linaire simple

Lorsque le nuage de points obtenus dans le diagramme de

dispersion ressemble une droite, la relation est dite linaire et
on peut ajuster une droite dquation: Y = aX + b

En connaissant lquation de la droite qui rsume la relation, il

est possible de faire des prvisions

La rgression linaire permet donc de dterminer la droite qui

sajuste au mieux aux valeurs observes. Cette droite est appele
droite de rgression de Y en fonction de X.

15
 21/05/13

Ajustement par une droite par la mthode des

moindres carrs

Cest une mthode dajustement qui consiste minimiser la

somme des carrs des diffrences entre valeurs observes, yi,
et les valeurs estimes, yi par lquation de la droite de
rgression: yi = axi + b

yi

y i

xi

La mthode des moindres carres

Cest le fait de dterminer les constante a et b telle que la

somme des (yi-yi)2 soit minimum.

yi

xi

16
 21/05/13

No@on de rgression

yi = axi + b

Coecient de rgression
Ordonne lorigine
linaire ou pente de la droite
de rgression

COV ( X , Y )
a= b = y a x
Var( X )

MESURE DE LA LIAISON ENTRE 2

VARIABLES QUANTITATIVES

La connaissance de x napporte
aucune certaine information sur y.
x et y sont indpendantes
La connaissance de x permet de
connatre exactement la valeur
de y.
Il existe une relation
fonctionnelle entre x et y

17
 21/05/13

Nuages de points : formes de liaison

liaison linaire dcroissante liaison puissance

14 12000
12 10000
10 8000
8 6000

Y
Y

6
4000
4
2000
2
0
0
0 2 4 6 8 10 12
0 2 4 6 8 10 12
X
X

Pas de liaison liaison hyperbolique

12 1,2

10 1

8 0,8
0,6
Y

6
Y

4 0,4

2 0,2

0 0
0 2 4 6 8 10 12 0 2 4 6 8 10 12

X X

35

AJUSTEMENT LINEAIRE

y = Poids
95

90

85

80

75

70

65

60

x = Taille
55

50
150 160 170 180 190 200

Nous cherchons la droite qui passe au mieux lintrieur du nuage de

points

18
 21/05/13

La rgression non linaire simple

ajustement une fonction exponentielle
Si le nuage de points du diagramme ne
ressemble pas une relation linaire, on parle
donc de rgression non linaire.

Le modle exponentiel

La transformation des variables permet

dtudier certains modles non linaires par la
rgression linaire.

La rgression non linaire simple

ajustement une fonction exponentielle
25,0

Modle exponen.el
20,0

15,0

y = b a x Forme exponen@elle gnrale

10,0

5,0

0,0

Changement de variable
0 10 20 30 40 50 60

Log (y)= log(b ax) log y = log b + x log a

Y = A X + B avec Y = log y
X = x
A = log a
B = log b
Lajustement ane de Y en fonc@on de X donne A et B,
d o a =
e A , b
= e B , et le modle y = b a x

19
 21/05/13

La rgression non linaire simple

ajustement une fonction exponentielle

25,00

20,00
Srie ini@ale (xi,yi)
Srie prvue par le
15,00
modle
( x i ,y i )
10,00

5,00

0,00
0 10 20 30 40 50 60

La rgression non linaire simple

ajustement une fonction exponentielle
Quoique la trs grande majorit des relations relles
entre variables ne soient pas linaires, cest nanmoins
lajustement linaire qui est retenu dans de nombreux
cas, pour trois raisons :

1) Lajustement linaire est beaucoup plus simple

traiter mathmatiquement.
2) Beaucoup de relations sont approximativement
linaires si lon prend un intervalle de variation
suffisamment petit.
3) Certaines relations peuvent tre rendues linaires par
un changement de variable appropri (gnralement
une transformation logarithmique).

20
 21/05/13

La rgression non linaire simple

ajustement une fonction exponentielle

Application:
Le tableau suivant indique les ventes dun produit
en fonction du temps:

Temps (t) Ventes (y) y = log (y)

1 1 0
2 6 1,79
3 10 2,30
4 14 2,64
5 25 3,22
6 48 3,87
7 63 4,14
8 108 4,68
9 161 5,08

Chapitre 2

Indices et taux de croissance

42

21
 21/05/13

1. Comparaisons de donnes

2. Mesures de lvolution des donnes

3. Les indices

43

Comparaisons de donnes : Parts

Lorsquune variable est gale la somme des ces
composantes, on peut calculer la part de chaque
composante par rapport lensemble pour une mme
date.

Part = CApartiel /CAtotal*100

Permet de visualiser lvolution de la structure du chiffre

daffaire de lentreprise.

44

22
 21/05/13

Comparaisons de donnes : Parts

Chiffres d'affaires et nombre d'employs de

l'hypermarch Machin pour diffrentes villes
Population
CA en millions d'euros
(en milliers)
Villes 2000 2008 2008
Brest 10000 11000 300
Caen 8000 9000 260
Nantes 20000 27000 800
Rennes 15 000 18000 500
Total 53000 65000 1860
Donnes fictives

45

Comparaisons de donnes : Ecarts

relatif et absolu
Permet de comparer des variables une mme date pour des individus
diffrents.

Ecart absolu = valeur i valeur j

Ecart relatif = ((valeur i valeur j)/valeur j)*100

= (valeur i/valeur j 1)*100

Remarque : Attention au sens du calcul de lcart relatif

46

23
 21/05/13

Comparaisons de donnes : Ratio

Rapport significatif entre 2 variables. Permet daffiner
lanalyse une mme date.

CA et CA/population
CA (en CA/population
Population
millions Rang (en millions Rang
(en milliers)
d'euros) d'euros
Brest 11000 3 300 36,67 1
Caen 9000 4 260 34,62 3
Nantes 27000 1 800 33,75 4
Rennes 18000 2 500 36,00 2
Total 65000 1860 34,95

47

Mesures de lvolution
Mesure lvolution dune variable entre deux dates
diffrentes pour un mme individu.

Notations :
V0 : valeur la date t = 0
V1 : valeur la date t =1
Vt : valeur la date t
gt : taux de croissance entre les dates t et t+1

Variation absolue = Vt V0
Variation relative = taux de croissance
= ((Vt V0)/ V0)*100
= (Vt/ V0 - 1)*100
48

24
 21/05/13

Mesures de lvolution


CA (en millions d'euros) Evolutions
Ecart
absolu(en cart relatif (en
Villes 2000 2008
millions
d'euros)
%)

Brest 10000 11000 1000 10

Caen 8000 9000 1000 12,5
Nantes 20000 27000 7000 35
Rennes
Total
15 000
53000
18000
65000
3000
12000
20
22,64

49

Mesures de lvolution : taux de

croissance
V2008 = (1+g)*V2000
V2000 = V2008/ (1+g)

Attention : Les taux de croissance ne sont pas additifs

Points de croissance = diffrence entre deux taux de croissance

Le taux de croissance de Caen est 2,5 points plus lev que le taux de
croissance de Brest

50

25
 21/05/13

Mesures de lvolution : taux de

croissance
Taux de croissance dun produit
= x*y
g = (1+gx)(1+gy) 1
Taux de croissance dun quotient
Q = x/y
gQ = (1+gx)/(1+gy) 1

Approximations : Pour de faibles taux de croissance (< 20%)

g g x + gy
gQ gx - gy

51

Mesures de lvolution : taux de

croissance annuel moyen
Produit intrieur brut aux prix de march (en valeur)
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Niveau 1315,26 1367,97 1441,37 1497,17 1548,56 1594,81 1660,19 1726,07 1807,46 1892,24

taux de croissance 1999/1998 2000/1999 2001/2000 2002/2001 2003/2002 2004/2003 2005/2004 2006/2005 2007/2006
4,01 5,37 3,87 3,43 2,99 4,10 3,97 4,72 4,69

On cherche le taux de croissance identique pour chaque priode qui

donnerait la mme volution sur la priode
V1 = (1+g)*V0
V2 = (1+g)*V1 = (1+g)2 *V0
V3 = (1+g)*V2 = (1+g)3 *V0

V9 = (1+g)9 *V0 g = (V9/V0)1/9 - 1

52

26
 21/05/13

Mesures de lvolution : taux de

croissance annuel moyen

g = (1892,24/1315,26)1/9 1 = 0,0412

Le taux de croissance annuel moyen est de 4,12%

53

Mesures de lvolution :
contribution la croissance
Question : quelle la contribution de chaque ville la croissance du CA
de lhypermarch Machin ? Ou quel est le magasin qui entrane le
plus la croissance du groupe ?
CAtotal = CABrest + CACaen + CANantes + CARennes

gCAtotal = PartCABrest2000*gCABrest + PartCACaen2000 *gCABrest + PartCANantes2000

*gCABrest + PartCARennes2000 *gCABrest

Contribution la croissance du CA de Machin

Taux de
CA en millions d'euros Parts Contribution
croissance
Villes 2000 2008 2000
Brest 10000 11000 18,87 10,00 1,89
Caen 8000 9000 15,09 12,50 1,89
Nantes 20000 27000 37,74 35,00 13,21
Rennes 15 000 18000 28,30 20,00 5,66
Total 53000 65000 22,64 22,64

54

27
 21/05/13

Les indices
De nombreuses variables sont exprimes sous forme
dindices
Un indice value une variation et non un niveau.

Exemple
Lindice du taux de change /$ en 2008 base 100 en 2002 est
160, alors l sest apprci de 60% par rapport au $

55

Les indices lmentaires

Un indice est un rapport de la mme variable prise deux
dates diffrentes ou lieux distincts

Dfinition
Indice lmentaire de la variable G, la date t, base 1 en t = 0, est
It/0 = Gt/G0
Indice lmentaire de la variable G, la date t, base 100 en t = 0,
est It/0 = Gt/G0 *100
Indice lmentaire chan de la variable G, la date t, base 100 en
t = t-1, est It/t-1 = Gt/Gt-1 *100

56

28
 21/05/13

Les indices lmentaires

Produit intrieur brut aux prix de march (en valeur)
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
Niveau 1315,26 1367,97 1441,37 1497,17 1548,56 1594,81 1660,19 1726,07 1807,46 1892,24
taux de croissance 4,01 5,37 3,87 3,43 2,99 4,10 3,97 4,72 4,69
Indice (base 100 en 1998) 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
100 104,01 109,59 113,83 117,74 121,25 126,22 131,23 137,42 143,87

Indice (base 100 en 2002) 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
84,93 88,34 93,08 96,68 100,00 102,99 107,21 111,46 116,72 122,19
Indice chain 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007
(base 100 en t-1) - 104,01 105,37 103,87 103,43 102,99 104,10 103,97 104,72 104,69

Base 100 en 1998 : entre 1998 et 2007, les PIB en valeur a augment de
43,87%
Base 100 en 2002 : entre 2002 et 2005, le PIB en valeur a augment de
11,46%
Attention : on ne connat la progression que par rapport lanne de base
Taux de croissance entre 2000 et 2001 113,83 109,59 = 4,24%
Voir indices chans

57

Les indices lmentaires : proprits

Circularit
Base 1: It2/t0 = It2/t1 * It1/t0
Base 100: It2/t0 = It2/t1 * It1/t0 *100

Exemple : I2001/2000 = I2001/1998 / I2000/1998 *100

I2001/2000 = 113,83/109,59 = 103,87

Donc les PIB en valeur a augment de 3,87% entre 2000 et
2001

Rversibilit
I58 t1/t0= 1/ It0/t1

29
 21/05/13

Application
Sur 210 articles, les indices du cout de la vie ont
t pour 1994 et 1999 respectivement de:
1994 1999
Pays 1 393,6 491,5
Pays 2 384,7 473,5

Base 100: 1980

Laugmentation du cout de vie qui a eu lieu

entre 1994 et 1999, a-t-elle t plus leve dans le
pays 1 ou 2?

INDICES USUELS

Indice lmentaire des P1

i ( P )1 0 =
prix P0

Indice lmentaire des Q1

i ( Q )1 0 =
quantits (ou des volumes) Q0

Indice lmentaire de valeur V1 P1Q1

i ( V )1 0 = = = i ( P )1 0 i ( Q )1 0
(ou de dpense) V0 P0Q0

30
 21/05/13

Application
Lhistorique des prix (en DH) dun litre de lait,
au dtail, relevs auprs dun picier entre 2000
et 2006 est donn par le tableau suivant:
2000 2001 2002 2003 2004 2005 2006
5,15 5,20 5,30 5,40 5,60 5,80 6

En retenant 2000 comme anne de base, il est

demand de calculer lindice simple des prix
pour lanne 2000 et 2006.
Interprter vos rsultats

Les indices synthtiques

Les indices de LASPEYRES

Les indices de PAASCHE

Les indices de FISHER

62

31
 21/05/13

Les indices de LASPEYRES

Lindice de LASPEYRES des prix

Mesure lvolution entre deux dates 0 et t, des prix des

biens qui composent un panier, en prenant comme
rfrence la valeur du panier la date initiale (t = 0) et en
supposant que les quantits de biens dans le panier nont
pas vari entre 0 et t.
les quantits fixes lanne de dpart Seuls les prix
voluent
i i
p q
i
t 0
Lt / 0 = i i
100
p q
i
0 0

Les indices de LASPEYRES

Exemple : Soit le tableau qui donne les prix et les quantits de deux
produits 1 et 2, aux priodes 0 et t.

64

32
 21/05/13

Les indices de LASPEYRES

Lindice de LASPEYRES des quantits

Mesure lvolution entre deux dates 0 et t, des quantits des

biens qui composent un panier, en prenant comme
rfrence la valeur du panier la date initiale (t=0) et en
supposant que les prix des biens dans le panier nont pas
vari entre 0 et t.

Les indices de LASPEYRES

lindice de LASPEYRES des quantits (lexemple prcdent) :

33
 21/05/13

Les indices de PAASCHE

Lindice de PAASCHE des prix mesure lvolution entre

deux dates 0 et t, des prix des biens qui composent un
panier, en prenant comme rfrence la valeur du panier
la date terminale (t) et en supposant que les quantits de
biens dans le panier nont pas vari entre 0 et t.

i i
p q
i
t t
Pt / 0 = i i
100
p q
i
0 t

Indice de Paasche des prix fixe les quantits lanne

finale ou anne courante.
67

Les indices de PAASCHE

lindice de PAASCHE des prix (lexemple prcdent) :

34
 21/05/13

Les indices de PAASCHE

Lindice de PAASCHE des quantits

Mesure lvolution entre deux dates 0 et t, des quantits des

biens qui composent un panier, en prenant comme
rfrence la valeur du panier la date terminale (t) et en
supposant que les prix des biens dans le panier nont pas
vari entre 0 et t.

Les indices de PAASCHE

lindice de PAASCHE des quantits (lexemple prcdent) :

35
 21/05/13

Les indices de FISHER

Lindice de FISHER des prix

Cest la moyenne gomtrique des indices de prix

de LASPEYRES et de PAASCHE.

Les indices de FISHER

lindice de FISHER des prix (lexemple prcdent) :

36
 21/05/13

Les indices de FISHER

Lindice de FISHER des quantits

Cest la moyenne gomtrique des quantits de

prix de LASPEYRES et de PAASCHE.

Application
Les prix (en dh) et quantits (en kg) de quatre denres alimentaires entre
1995 et 2000 sont rsums dans le tableau qui suit:

Biens 0 1 2
Quan@t Prix Quan@t Prix Prix
Farine 700 35 750 36,5
Semoule 150 55 120 60
Riz 200 75 185 80 72
Bl 350 38 350 40

1. Pour le riz, il est demand de:

Dterminer lindice simple des prix des priodes 1 et 2 (0 tant lanne
de rfrence)
En utilisant le principe de circularit, vrifier lindice dgag en
priode 2.
2. Calculer lindice de Fisher des prix et des quantits.
3. Calculer lindice de valeur de la priode 1 par rapport la priode 0.

37