Rachid LABBAS

Sance 1

MTHODES QUANTITATIVES
DE GESTION

RACHID LABBAS
Programme de formation
Mesure de
M d tendance
d centrale
l
Mesure de dispersion, variable centre rduite
Graphique : piges de manipulation
Exercices, applications
Taux de croissance
Indices statistiques,
q I.P.C.
Indice Dow Jones, NASDAQ, CAC 40, NIKKEI,
PIB rel,
e , PIB nominal
o a
Exercices, applications

Rachid LABBAS
Programme de formation
Thorie de la dcision :
Approche
pp heuristique
q
Approche statistique
A
Approcheh thorie
th i desd jeux
j
Applications
Programmation linaire (P.L.)
Les problmes de formulation
Rsolution des problmes de P.L.

Rachid LABBAS
Programme de formation
Approche gomtrique
La mthode du simplexe
p
Une approche algbrique
E
Exemples
l ett applications
li ti
La notion de dualit
Analyse post-optimale
Applications
valuation clture

Rachid LABBAS
Contexte

Rachid LABBAS
Aide la Dcision

Rachid LABBAS
Aide la Dcision

Rachid LABBAS
Squence 1
INTRODUCTION LA MTHODE STATISTIQUE

Rachid LABBAS
Concepts de base de la statistique
d
descriptive
i i

La statistique est une mthode d'analyse des ensembles

comportant un grand nombre d'lments
S'tant dveloppe
pp d'abord dans le domaine de la
dmographie, elle en a adopt et gard la terminologie

Rachid LABBAS
Concepts de base de la statistique
d
descriptive
i i

Population : ensemble tudi par le statisticien

I di id : lment
Individu l de
d l'l'ensemble
bl tudi
di
Unit statistique : c'est l'unit qui sert dnombrer la
population tudie. L'unit statistique est le plus souvent
l'individu
Caractre : chaque individu est tudi selon un ou plusieurs
caractres. Exemples : sexe, ge, taille, poids, tat
matrimonial, nombre d'enfants, profession, niveau de
formation, revenu, etc

Rachid LABBAS
Concepts de base de la statistique
d
descriptive
i i

Un caractre comporte diffrentes modalits

Celles-ci doivent tre mutuellement incompatibles et
exhaustives : un individu ne peut appartenir qu'
qu une et une
seule de ces modalits
E
Exemples
l :
L'tat matrimonial comporte quatre modalits : clibataire
mari veuf divorc

Rachid LABBAS
Concepts de base de la statistique
d
descriptive
i i

PPour qu'un
' individu
i di id ne puissei appartenir i qu'
' une et une
seule de ces modalits, il faut se donner une rgle de
classement respectant l'incompatibilit
l incompatibilit de celles-ci
celles ci. Par
exemple, on conviendra qu'un veuf remari sera class comme
mari. Par ailleurs, tous les cas ont t prvus (exhaustivit) et
on pourra donc classer tous les individus, sans exception
Un caractre peut tre, soit qualitatif, soit quantitatif

Rachid LABBAS
Caractre qualitatif

Caractre reprable mais non mesurable

EXEMPLES :
Sexe, profession, religion, race, appartenance politique, etc

Rachid LABBAS
Caractre quantitatif

Caractre mesurable
EXEMPLES : nombre d'enfants, ge, revenus
Dans ce cas, chaque individu correspond un nombre qui est
la mesure du caractre
Ce nombre est la variable statistique. Une variable statistique
peut tre,
tre soit discrte,
discrte soit continue

Rachid LABBAS
Variable statistique discrte

Une variable statistique discrte ne peut prendre qu'un certain

nombre de valeurs possibles, gnralement des valeurs
entires
EXEMPLES :
Nombre d'enfants d'un mnage. Celui-ci peut prendre les
valeurs : 0,, 1,, 2,, 3,, 4,, 5,, etc

Rachid LABBAS
Variable statistique continue

Une variable statistique continue peut prendre n'importe quelle

valeur
ale r l'intrie
l intrieurr de son inter
intervalle
alle de dfinition.
dfinition
Ce nombre de valeurs possibles est toujours infini. Pour classer
les observations, il est donc ncessaire de dfinir les modalits
du caractre en groupant en classes les valeurs possibles de la
variable statistique
EXEMPLES
Revenu, ge, dure du chmage

Rachid LABBAS
Squence 2
CARACTRISTIQUES DE TENDANCE CENTRALE
ET DE DISPERSION

Rachid LABBAS
Notion de tendance centrale et de
di
dispersion
i

La notion de tendance centrale ou de valeur moyenne

d'une
d une distribution statistique vous est probablement familire
familire,
celle de dispersion vous l'est peut-tre moins
LLa figure
fi ci-aprs
i ill
illustre
t bibien ces d
deux (02) phnomnes
h de
d
tendance centrale et de dispersion

Rachid LABBAS
Notion de tendance centrale et de
di
dispersion
i

Les distributions A et B ont des tendances centrales diffrentes et

mme dispersion.
p Au contraire,, les distributions A,, C et D ont mme
tendance centrale et des dispersions diffrentes : le phnomne C a
une dispersion moins forte que A, qui lui-mme est moins dispers que
D

Rachid LABBAS
Notion de tendance centrale et de
di
dispersion
i

Il suffit donc de deux nombres,, mesurant respectivement

p la
tendance centrale et la dispersion d'une distribution pour
rsumer assez convenablement l'information contenue dans
celle-ci

Rachid LABBAS
Conditions de Yule

Le statisticien britannique Yule a nonc les six proprits que

devrait prsenter une bonne caractristique de tendance
centrale ou de dispersion :
1. tre dfinie de faon objective
2. Dpendre de toutes les observations
3
3. A i une signification
Avoir i ifi ti simple
i l ett concrte
t
4. tre facile calculer
5
5. tre peu sensible aux fluctuations d'chantillonnage
d chantillonnage
6. Se prter aisment au calcul algbrique

Rachid LABBAS
Les caractristiques de tendance centrale

Rachid LABBAS
Le mode

Le mode M0 d'une distribution est la valeur de la variable

statistique pour laquelle la frquence est la plus grande
Variables discrtes : possibilits d'un intervalle modal
Dans le cas d'une variable discrte, le mode est dfini avec
prcision

Rachid LABBAS
Dtermination du mode - Variable
discrte
di
Distribution de 50 familles immigres selon le nombre de leurs enfants

Rachid LABBAS
Dtermination du mode - Variable
discrte
di
Le mode est gal deux enfants

Rachid LABBAS
Dtermination du mode - Variable
discrte
di
Deux valeurs successives de la variable statistique correspondent
la frquence maximum, il y a un intervalle modal dont les
extrmits correspondent ces valeurs

Rachid LABBAS
Dtermination du mode - Variable
continue
i

Lorsque la variable est continue, la dtermination du mode est

beaucoup moins prcise :
On commence par dterminer la classe modale, qui est celle dont la
frquence par unit d'amplitude de classe est la plus grande. Dans
le cas d'amplitudes de classe diffrentes, il est donc ncessaire de
procder pralablement la correction d'amplitude
d amplitude de classe

A l'intrieur de la classe modale, on procde ensuite une

estimation de la valeur du mode, en s'aidant
s aidant de la courbe de
frquence ajuste sur l'histogramme

Rachid LABBAS
Dtermination du mode - Variable
continue
i
EXEMPLE : distribution de 500 salaris d'un tablissement
industriel selon leur salaire mensuel

Rachid LABBAS
Dtermination du mode - Variable
continue
i

LLa classe
l modale
d l estt lal classe
l 4.000
4 000 moins
i de
d 6.000
6 000 F
pour laquelle l'effectif par unit d'amplitude de classe de
1.000 F est maximum et gal 54

Rachid LABBAS
Dtermination du mode - Variable
continue
i

La courbe de frquence permet d'valuer le

mode environ 4 800 F

Rachid LABBAS