Académique Documents
Professionnel Documents
Culture Documents
: statistiques probabilités
Page 1 sur 55
Support de cours : statistiques probabilités
Page 2 sur 55
Support de cours : statistiques probabilités
Page 3 sur 55
Support de cours : statistiques probabilités
Page 4 sur 55
Support de cours : statistiques probabilités
Dans les résultats bruts les différentes valeurs prises par la variable statistique
sont : 0 – 1 – 2 – 3 – 4 – 5 – 6 .
On présente les résultats dans un tableau statistique comme le cas d’un caractère
qualitatif .
Page 5 sur 55
Support de cours : statistiques probabilités
Page 6 sur 55
Support de cours : statistiques probabilités
Les effectifs cumulés croissants (ECC) est l’opération qui consiste à établir une
nouvelle série en additionnant successivement les effectifs de la série initiale du
haut du tableau vers le bas .
Les effectifs cumulés décroissants (ECD) est l’opération qui consiste à établir
une nouvelle série en additionnant successivement les effectifs de la série
initiale du bas vers le haut .
Exemple : Soit la distribution statistique suivante , à une date donnée ,des
employés d’une entreprise selon leur âge .
Classes Effectifs
(années) (ni)
[20 – 25[ 9
[25 – 30[ 27
[30 – 35[ 36
[35 – 40[ 45
[40 – 45[ 18
[45 – 50[ 9
[50 – 55[ 3
[55 – 60[ 3
Total 150
Page 7 sur 55
Support de cours : statistiques probabilités
Page 8 sur 55
Support de cours : statistiques probabilités
Autrement dit :
la 1ère valeur : l’effectif total n
la 2ème valeur : l’effectif total n moins la 1ère valeur de la colonne 2
la 3ème valeur : la 2ème de la colonne 7 moins la 2ème de la colonne 2
…
la 8ème valeur : la 7ème de la colonne 7 moins la 7ème de la colonne 2.
- La colonne 8 : les fréquences cumulées décroissantes .
Même chose que la colonne 7, la colonne 4 remplace la colonne 2.
Interprétation:
La colonne 4 : la 1ère valeur 6 ; veut dire que 6% des employés ont un
âge supérieur ou égal à 20 ans mais inférieur à 25 ans .
la 2ème valeur 18 : veut dire que 18% des employés ont
un âge supérieur ou égal à 25 ans mais inférieur à 30 ans.
…
ère
La colonne 5 : la 1 valeur : veut dire que 9 employés ont moins de 25 ans
la 2ème valeur : veut dire que 36 employés ont moins de 30 ans
…
La colonne 6 : la 1ère valeur : veut dire que 6% des employés ont moins de 25.
la 2ème valeur : veut dire que 24% ont moins de 30 ans .
…
La colonne 7 : la 1ère valeur : 150 employés ont au moins 20 ans .
la 2ème valeur : 141 employés ont au moins 25 ans .
…
3.2 Les représentations graphiques .
3.2.1 Généralités : Les tableaux statistiques présentent les informations
rassemblées . Ils permettent déjà une première analyse des populations étudiées .
Mais les chiffres restent peu parlant dans un tableau statistique .Il serait
intéressant de traduire les informations par un graphique qui permettra de
visualiser les faits de déceler des tendances et suggère même une certaine
interprétation .
Un graphique doit comporter les éléments suivants :
- Un titre indiquant la nature du phénomène représenté
- Des indications ( légendes , échelles …).
Le mode de représentation graphique d’une distribution statistique dépend de la
nature du caractère observé et du but de l’étude .
On a vu qu’un caractère peut être soit qualitatif soit quantitatif .
Page 9 sur 55
Support de cours : statistiques probabilités
40
15
effectif
30 Fréquence (%)
10
20
10 5
0 0
de e se ne e s Nationalité
an nn ai ai lg tre
lie ç i c Be u
le
m
Ita an ér A
Al Fr Am
Page 10 sur 55
Support de cours : statistiques probabilités
tel que :
360 ni
i = = 360.fi
n
En effet n correspond à 360o
360 ni
ni correspond à i =
n
Autres Allemande
18% 22%
Belge Italienne
18% 12%
Américaine Française
14% 16%
Exemple : Une enquête sur la situation familiale des employés d’une entreprise a
concerné un échantillon de 72 personnes. Les résultats obtenus sont comme suit
Situation Effectifs Fréquences Angles
familiale (ni) (fi)(%) (i)
Célibataires 18 25 90o
Mariés 36 50 180o
Divorcés 12 16,66 60o
Veufs 6 8,33 30o
Page 11 sur 55
Support de cours : statistiques probabilités
Représentations graphiques
a) Diagramme en bâtons des effectifs.
Nombre d’hôtels (Effectifs ni ) par étoile
150
Effectifs
100
50
0
1 2 3 4 5
Nombre d'étoiles
Page 12 sur 55
Support de cours : statistiques probabilités
5 40 10
Total 400 100
40
% Fréquence
30
20
10
0
1 2 3 4 5
Nombre des étoiles
Page 13 sur 55
Support de cours : statistiques probabilités
500
Effectifs cumulés
400
croissants
300
200
100
0
1 2 3 4 5 6
Nombre des étoiles
120
100
Fréquence cumulé
80
croissant
60
40
20
0
1 2 3 4 5
Nombre des étoiles
Page 14 sur 55
Support de cours : statistiques probabilités
Page 15 sur 55
Support de cours : statistiques probabilités
Remarque : En joignant par des segments les milieux des bases supérieures des
rectangles constituant l’histogramme , on obtient le polygone des effectifs ou le
polygone des fréquences .
Si les classes n’ont pas les mêmes amplitudes, il est nécessaire de rectifier la
hauteur des rectangles de telle sorte que la surface du rectangle soit
proportionnelle à l’effectif (ou fréquence) correspondant .
Pour rectifier la hauteur d’un rectangle on choisit une amplitude unitaire,
généralement la plus fréquente.
Si une classe est d’amplitude k fois l’amplitude unitaire choisie alors
on divise par k l’effectif correspondant à cette classe .
Autrement dit, soit a l’amplitude unitaire choisie.
Pour une classe i , si son amplitude est ai = k.a , alors l’effectif rectifié
correspondant sera ni/k .
Cette remarque met l’accent sur le fait que, en matière de représentation à l’aide
d’un histogramme, c’est la surface des rectangles et non la hauteur qui est
proportionnelle aux effectifs.
Page 16 sur 55
Support de cours : statistiques probabilités
La construction de l’histogramme se fait par des rectangles ayant pour bases les
amplitudes des classes et des hauteurs proportionnelles aux effectifs rectifiés.
Exemple : Le tableau suivant résume la répartition de 26 magasins d’une chaîne
d’alimentation selon leur volume de vente quotidien moyen en milliers de DH .
Classes Effectifs Amplitudes Effectifs
(milliers dh) (ni) (ai) rectifiés
[40 – 80[ 4 40 4
[80 – 120[ 6 40 6
[120 – 140[ 4 20 8
[140 – 180[ 6 40 6
[180 – 220[ 4 40 4
[220 – 300[ 2 80 1
Page 17 sur 55
Support de cours : statistiques probabilités
Page 18 sur 55
Support de cours : statistiques probabilités
Mois J F M A M J J A S O N D
An 1 28 22 27 32 35 32 29 18 29 39 47 45
An 2 31 29 33 33 37 35 31 20 35 41 49 52
Diagramme polaire .
Principe :
Page 19 sur 55
Support de cours : statistiques probabilités
x =
x = i x1 x 2 x3 ... x n
n i n
2 7 3 8 4 12 36
x = 6
= 6
=6
b) Cas d’une variable statistique discrète .
La moyenne arithmétique simple est :
x =
n .x =
i i
n i
Page 20 sur 55
Support de cours : statistiques probabilités
n i850
On dit que chaque ménage a en moyenne 2 à 3 enfants .
x =
n .x i i
n i
Exemple : Les poids (en kg) de 20 joueurs d’une équipe de foot bal sont répartis
selon les classes du tableau suivant :
Classes Centres des Effectifs ni.xi
(en kg) classes (xi) (ni)
[71,5 – 76,5[ 74 2 148
[76,5 – 81,5[ 79 2 158
[81,5 – 86,5[ 84 4 336
[86,5 – 91,5[ 89 6 534
[91,5 – 96,5[ 94 4 376
[96,5 – 101,5[ 99 2 198
Totaux - 20 1750
n 20 i
Page 21 sur 55
Support de cours : statistiques probabilités
i
x =
.x = 12 2 8 3 17 1 12 3 13 2 = 127 = 11,54
i i
i 2 3 1 3 2 11
On dit que l’étudiant a une note moyenne x = 11,54 .
G=
Page 22 sur 55
Support de cours : statistiques probabilités
n
x1n1 .x 2n2 .x3n3 ...x knk
1 n n n n 1 n3 nk
lnG = n
ln ( x1 .x 2 .x3 ...x k ) =
1 2 3 k
n
(ln x1n + ln x 2n + ln x3 + …+ ln x k )
1 2
1 1
lnG = n
(n1.lnx1 + n2.lnx2 + n3.lnx3 + …+ nk.lnxk) = n
ni . ln xi =
n . ln x
i i
n i
lnG =
n . ln x
i i
n i
lnG =
n . ln x = i i 24,786
= 2,4786
n i 10
G = 11,92
Page 23 sur 55
Support de cours : statistiques probabilités
La moyenne harmonique que l’on désigne par la lettre H est égale à l’inverse de
la moyenne arithmétique des inverses des valeurs de la variable :
H
n i
n
x i
Le calcul d’une moyenne harmonique sera intéressant chaque fois que l’on peut
donner un sens aux membres inverses des valeurs de la variable statistique (coût
moyen , vitesse moyenne …)
Exemple : Un automobiliste a parcouru une distance de 100 km avec trois
vitesses différentes comme suit :
Vitesses (km/h) Distance (km) ni
(h)
(xi) (ni) xi
80 10 0,125
100 30 0,300
120 60 0,500
Totaux 100 0,925
La moyenne harmonique :
n i
100
H= n = = 108,108 km/h
x i
0,925
i
4.1.2 Le mode :
Page 24 sur 55
Support de cours : statistiques probabilités
Nombre Effectifs
de pièces (xi) (ni)
1 127
2 273
3 296
4 166
5 et plus 138
xxxxx
d1
Mo = L1 + d d (L2 – L1)
1 2
Page 25 sur 55
Support de cours : statistiques probabilités
Démonstration : Soit m = Mo – L1 a = L2 – L1
d 2 OE d 2 OE a m am
D’autre part on a :
a m am d 1 d1 OE OE
On tire a – m des 2 expressions :
d 2 OE OE
a–m = .a .a d1(d2 – OE) = d2.OE d1.d2 = OE(d1 +d2)
d2 d1
d1 .d 2 OE d1 .d 2 d1
OE = or m = .a .a .a
d1 d 2 d2 (d 1 d 2 ).d 2 d1 d 2
et puisque m = Mo – L1 et a = L2 – L1
d1
donc Mo = L1 + d d (L2 – L1)
1 2
d1
Mo = L1 + d d (L2 – L1)
1 2
Page 26 sur 55
Support de cours : statistiques probabilités
d1 = 40 – 30 = 10 ; d2 = 40 – 10 = 30
10
Soit Mo = 30 + 10 = 32,5
10 30
4.1.2.2.2 Classes d’amplitudes différentes .
Même démarche que précédemment à condition de rectifier les effectifs pour
le traçage de l’histogramme correspondant .
Conclusions : La détermination du mode est immédiate .Sa signification est
évidente car il est intéressant de connaître la valeur de la variable qui revient le
plus souvent au cours des observations .
Lorsque la série statistique présente plusieurs modes, le mode perd alors toute
signification. Il est rejeté comme mesure de tendance centrale .
4.1.3 La médiane
Page 27 sur 55
Support de cours : statistiques probabilités
Lorsque les données sont groupées par classes, deux manières pour déterminer
la médiane sont possibles .
- Détermination graphique
- Détermination par le calcul
4.1.3.2.1 Détermination graphique de la médiane :
A partir du tableau statistique élaboré on trace la courbe des effectifs cumulés
croissants (ECC) qui est obtenue en joignant par des segments de droites les
coordonnées des points ayant pour abscisses les bornes supérieures des classes
et pour ordonnées les effectifs cumulés correspondants .
Sur cette courbe on peut déterminer graphiquement la médiane Me qui a
pour valeur l’abscisse du point d’ordonnée la moitié de l’effectif total (n/2).
Exemple : Un sondage a été effectué auprès de 68 personnes sur le temps qu’ils
ont passé devant la télévision un soir . Les résultats sont groupés comme suit :
Classes Effectifs
(mn) (ni)
[0 – 15[ 14
[15 – 30[ 10
[30 – 60[ 16
[60 – 120[ 20
[120 – 180[ 8
Total 68
On dresse un tableau sur lequel sont représentées les colonnes des effectifs
cumulés croissants et décroissants .
Classes Effectifs Effectifs cumulés Effectifs cumulés
(mn) (ni) croissants (ECC) décroissants (ECD)
[0 – 15[ 14 14 68
[15 – 30[ 10 24 54
Page 28 sur 55
Support de cours : statistiques probabilités
[30 – 60[ 16 40 44
[60 – 120[ 20 60 28
[120 – 180[ 8 68 8
Total 68 - -
n
N k 1 N k N k 1
On remarque que : 2 = L L (Triangles semblables)
Me L K 1 k k 1
Donc :
n
N k 1
Me = Lk-1 + 2 ( Lk Lk 1 )
N k N k 1
Avec :
- Me : Médiane ,
- Lk-1 : Borne inférieure de la classe médiane de rang k.
- Lk : Borne supérieure de la classe médiane de rang k.
- n : Effectif total .
- Nk : Effectif cumulé croissant correspondant à la classe médiane .
- Nk-1 : Effectif cumulé croissant précédent Nk .
Page 29 sur 55
Support de cours : statistiques probabilités
n 68
N K 1 N2
Me = Lk-1 + 2 ( Lk LK 1 ) = L2 + 2 ( L3 L2 )
N k N k 1 N3 N 2
34 24
Me = 30 + (60 30) = 30 + 18,75 = 48, 75.
40 24
On remarque que cette valeur de la médiane est la même que celle trouvée ci
dessus graphiquement ( Me = 49).
On appelle :
Intervalle inter quartile :
IIq = Q3 – Q1
Il contient 50% des observations .
Intervalle inter décile :
IId = D9 – D1
Il contient 80% des observations.
Intervalle inter centile :
IIc = C99 – C1
Il contient 98% des observations .
Remarques :
Page 30 sur 55
Support de cours : statistiques probabilités
1) Les intervalles inter quartiles, inter déciles, inter centiles présentent un grand
intérêt et sont les plus utilisés dans les analyses de la statistique descriptive .
2) La notion de déciles et de centiles n’a de sens que s’il y a beaucoup
d’observations et donc essentiellement pour une variable classée .
4.1.4.1 Détermination graphique des quartiles :
Classes Effectifs
(mn) (ni)
[100 – 120[ 24
[120 – 140[ 48
[140 – 160[ 30
[160 – 180[ 12
[180 – 200[ 6
Total 120
On dresse un tableau sur lequel est représentée la colonne des effectifs
cumulés croissants (ECC) .
Classes Effectifs ECC
(mn) (ni)
[100 – 120[ 24 24
[120 – 140[ 48 72
[140 – 160[ 30 102
[160 – 180[ 12 114
[180 – 200[ 6 120
Total 120 -
Remarque :
De la même manière on détermine les déciles et les centiles graphiquement .
n
N k 1
Me = Lk-1 + 2 ( Lk Lk 1 )
N k N k 1
Page 31 sur 55
Support de cours : statistiques probabilités
n
N k 1
Q1 = Lk-1 + 4 ( Lk Lk 1 )
N k N k 1
n
N k 1
Q2 = Lk-1 + 2 ( Lk Lk 1 )
N k N k 1
L’intervalle [Lk-1 – LK[ contient le quartile Q2 qui est confondu avec Me.
3n
N k 1
Q3 = Lk-1 + 4 ( Lk Lk 1 )
N k N k 1
n
N k 1
D1 = Lk-1 + 10 ( Lk Lk 1 )
N k N k 1
- Les centiles
n
N k 1
C1 = Lk-1 + 100 ( Lk Lk 1 )
N k N k 1
Page 32 sur 55
Support de cours : statistiques probabilités
n i
4 4,5 5 5,5 6 25
Pour la première série : x = 5
= 5
=5
1 2 5 8 9 25
Pour la deuxième série : x = 5
= 5 =5
Ces deux séries ont même moyenne mais les valeurs de la deuxième série sont
plus éloignés de la moyenne x = 5.
On dit que les valeurs de la deuxième série sont plus dispersées.
La connaissance de la valeur centrale ne suffit pas pour traduire numériquement
cette différence des deux séries précédentes , c'est à dire la manière dont se
répartissent les valeurs de la variable les unes par rapport aux autres ou par
rapport à leur valeur moyenne .
Y - a - t - il des procédés pour mesurer ces dispersions ?
Mesure de dispersion basée sur les écarts par rapport à la moyenne .
n i
Page 33 sur 55
Support de cours : statistiques probabilités
(1 5) (2 5) (5 5) (8 5) (9 5)
em = =0
5
On remarque que l'écart moyen est nul pour les deux séries.
Il ne peut apporter aucune information pour la mesure de la dispersion.
n i n n n i i i
=
n x x n = x - x = 0.
i i i
n n
i i
eam =
n e i i
n i
4 5 4,5 5 5 5 5,5 5 6 5 3
Pour la série 1 : eam = = 5
= 0,6
5
1 5 2 5 5 5 8 5 9 5 14
Pour la série 2 : eam = = 5
= 2,8
5
V=
n ( x x) i i
2
n i
Page 34 sur 55
Support de cours : statistiques probabilités
Pour la série 1 :
( 4 5) 2 (4,5 5) 2 (5 5) 2 (5,5 5) 2 (6 5) 2 2,5
V= = 5
= 0,5.
5
Pour la série 2 :
(1 5) 2 (2 5) 2 (5 5) 2 (8 5) 2 (9 5) 2 50
V= = 5
= 10.
5
n i
V=
n xi i
2
x
2
n i
En effet
= n 2x x n x
2 2
n ( x x) i
2 2
ni ( x i 2 x i x x )
i nx
2
V= = i i
i i i
n ni i n i n n
i i
=
n x i i
2
2x
n x i i
x
2 n n x
i i i
2
2 x.x x
2
n x i i
2
x
2
n i n i n n
i i n i
Page 35 sur 55
Support de cours : statistiques probabilités
C'est un nombre sans dimension, indépendant donc des unités dans lesquelles
sont exprimées les données .
Il permet de comparer les dispersions des séries statistiques exprimées dans des
unités différentes.
Exemples : Salaires en dirhams et salaires en dollars.
Le poids en kg et la taille en cm pour une population .
Page 36 sur 55
Support de cours : statistiques probabilités
CHAPITRE 5 LA CONCENTRATION
5.1 Généralités
Les paramètres : moyenne, médiane, quantiles et écart type ne répondent
que d'une façon incomplète à un type de question que l'on est souvent
amené à se poser en gestion et en économie lors d'une analyse statistique :
La répartition de la masse globale est - elle équitablement répartie sur la
population ou au contraire elle est concentrée sur un petit nombre
d'individus ?
Une telle question n'a de signification que si l'addition des produits des
valeurs de la variable xi par le nombre d'individus (ni) correspondant a elle
même un sens. Autrement dit il faut que les produits (ni.xi) soient
susceptibles d'addition et aient une signification .
Exemple: Des individus classés selon la fortune, le salaire, le revenu, le
chiffre d'affaires, la surface exploitée, la production . . .
Par contre des individus classés selon leur âge, la taille ne présente pas à
priori un intérêt particulier.
On sent alors le besoin de définir une caractéristique qui permet d'étudier
la disparité des masses globales entre les individus d'une série statistique.
Cette caractéristique est la concentration.
5.2 Exemple :
Considérons une entreprise dans laquelle une étude statistique a donné la
distribution des salaires horaires en dirhams de 120 employés.
Classes Effectifs
[0 - 10[ 48
[10 - 20[ 36
[20 - 30[ 24
[30 - 40[ 12
Total 120
Page 37 sur 55
Support de cours : statistiques probabilités
Page 38 sur 55
Support de cours : statistiques probabilités
40 13.33
S1 : Surface du triangle (1) . S1 = 2
= 266,6
(13.33 43.33) (70 40)
S2 : Surface du trapèze (2) . S2 = = 850.
2
(43.33 76.66) (90 70)
S3 : Surface du trapèze (3) . S3 = = 1200.
2
(76.66 100) (100 90)
S4 : Surface du trapèze (4) . S4 = = 883,3.
2
Donc S' = 266.6 + 850 + 1200 + 883, 3 = 3200
S 5000 S S 3200
Le coefficient de concentration Cc = 1 1 0,36
5000 5000 5000 5000
On peut conclure qu'il s'agit d'une concentration moyenne.
Page 39 sur 55
Support de cours : statistiques probabilités
5.3 La médiale .
On désigne par valeur globale de la variable le produit de la variable xi par
l'effectif correspondant ni, c'est à dire : nixi.
Par définition, la médiale notée Mle est la valeur de la variable pour
laquelle le cumul des valeurs globales représentent 50% du cumul total
(masse globale).
La médiale comme la médiane peut être déterminée de deux manières:
Graphiquement et par interpolation linéaire .
5.3.1 Détermination graphique de la médiale.
Sur une courbe de concentration ayant pour axe d'abscisses Ox et pour axe
d'ordonnées Oy et grâce à un axe Oz auxiliaire descendant réservé aux classes
de la série statistique, on représente la courbe des fréquences cumulées
croissantes en (%) ayant pour axe des ordonnées l'axe des abscisses de la courbe
de concentration et pour axe des abscisses l'axe Oz.
A l'ordonnée 50 prise sur l'axe Oy de la courbe de concentration correspond sur
l'axe Ox une abscisse xm . Cette abscisse devient une ordonnée sur la courbe des
fréquences cumulées croissantes en ( %) qui correspond à une abscisse sur Oz,
cette abscisse est la médiale : Mle.
Remarque : A l'ordonnée 50 sur l'axe Ox correspond la médiane Me de la série
sur l'axe auxiliaire Oz.
Graphe ****
5.3.2 Détermination de la médiale par le calcul .
n
( N k 1 )
Me = Lk 1 + 2 ( LK Lk 1 )
( N K N k 1 )
Page 40 sur 55
Support de cours : statistiques probabilités
Page 41 sur 55
Support de cours : statistiques probabilités
Page 42 sur 55
Support de cours : statistiques probabilités
Page 43 sur 55
Support de cours : statistiques probabilités
t
On dresse alors un tableau de calcul contenant ti ; yi; ti2; tiyi comme suit:
ti yi ti 2 tiyi
1 2 1 2
2 3 4 6
3 4 9 12
4 5 16 20
5 4 25 20
6 5 36 30
7 6 49 42
8 1 64 8
9 4 81 36
10 4 100 40
11 3 121 33
12 4 144 48
13 4 169 52
14 5 196 70
15 6 225 90
16 4 256 64
17 7 289 119
18 8 324 144
19 7 361 133
20 2 400 40
21 6 441 126
22 9 484 198
23 10 529 230
24 12 576 288
25 8 625 200
26 10 676 260
27 11 729 297
28 13 784 364
29 13 841 377
30 13 900 390
31 14 961 434
32 7 1024 224
33 12 1089 396
34 13 1156 442
35 14 1225 490
36 15 1296 540
t i 66 y i 268 t i 2 16206 t i yi 626
6 5
Page 44 sur 55
Support de cours : statistiques probabilités
i 1 6
pour notre exemple :
i 36
36 37
ti 1
i
2
666
i 36
1
t 2
i 36 37 73 16206.
i 1 6
On tire alors du tableau :
i 36 i 36
t = ti 666 ; y = y i
268
i 1
18,5 i 1
7,44
36 36 36 36
le coefficient a =
t y i i t yi
6265 18,5 268 1307
0,336 .
t t ti 16206 18,5 666 3885
2
i
y = 0,336.t + 1,224
On trace alors cette droite sur le graphique de la courbe chronologique .
Cette droite est le Trend de la série chronologique (cf graphique).
3) Etude de l'influence saisonnière .
a) L'objectif est de rechercher pour chacun des douze mois de l'année un
coefficient saisonnier qui sera propre au mois en question.
Pour cela, on utilise la méthode des rapports au Trend .
On détermine d'abord les valeurs prises par le Trend y = 0,336 + 1,224 aux
différents mois (t variant de 1 à 36 ).
Exemples : Mois de rang 1 ; y = 0,336 1 + 1,224 = 1,56.
Mois de rang 2 ; y = 0,336 2 + 1,224 = 1,896 1,90
Mois de rang 3 ; y = 0,336 3 + 1,224 = 2,232 2,23 etc …
Les résultats trouvés sont consignés dans le tableau suivant :
J F M A M J J A S O N D
An 1 1,56 1,90 2,23 2,57 2,90 3,24 3,58 3,90 4,25 4,58 4,92 5,26
An 2 5,60 5,93 6,24 6,60 6,94 7,27 7,61 7,94 8,28 8,62 8,95 9,29
An 3 9,62 9,96 10,3 10,63 10,97 11,30 11,64 11,98 12,31 12,65 12,98 13,32
Page 45 sur 55
Support de cours : statistiques probabilités
3
- Le mois de rang 2 : c2 = 1,58
1,9
…
4
- Le mois de rang 13 : c13= 0,71
5,60
…
15
- Le mois de rang 36 : c36 = 1,13 .
13,32
On obtient alors le tableau des coefficients relatifs à chaque mois de chaque
année .
J F M A M J J A S O N D
An 1 1,28 1,58 1,79 1,94 1,38 1,54 1,68 0,26 0,94 0,72 0,61 0,76
An 2 0,71 0,84 0,96 0,60 1,00 1,10 0,92 0,25 0,72 1,04 1,11 1,29
An 3 0,83 1,00 1,07 1,22 1,18 1,15 1,20 0,58 0,97 1,03 1,08 1,27
total 2,82 3,42 3,82 3,76 3,56 3,79 3,80 2,75 2,63 2,79 2,80 3,32
Page 46 sur 55
Support de cours : statistiques probabilités
J F M A M J J A S O N D
An 1 2,13 2,63 3,15 4,00 3,36 3,97 4,72 1,09 5,54 4,30 3,22 3,60
An 2 4,25 4,38 4,72 3,20 5,88 6,35 5,51 2,17 6,82 9,68 10,75 10,81
An 3 8,51 8,77 8,66 10,40 10,92 10,32 11,02 7,60 13,63 14,77 15,05 13,51
Page 47 sur 55
Support de cours : statistiques probabilités
Xt
It/0 = X
0
Xt
It/0 = X .100
0
L'interprétation d'un indice simple doit citer la grandeur étudiée, les situations
concernées, la valeur et le sens de variation.
Page 48 sur 55
Support de cours : statistiques probabilités
Pt 5,20
It/0 = P 100 = 4 100 130 .
0
Cela signifie que Xt = X0 c'est à dire que la grandeur X étudiée n'a pas enregistré
de variation à la date t par rapport à la date de référence 0.
Exemple : Un journal vendu à 2,50 dh à la date de référence 0 (an 1999) est
toujours vendu à 2,50 dh à la date d'observation t (an 2004).
2,50
It/0 = 2,50 100 100 .
b) La réversibilité : Il y a réversibilité lorsque le produit de l'indice d'une
grandeur à la date t calculée sur la base 100 à la date de référence 0 par
l'indice de la même grandeur à la date 0 calculée sur la base 100 à la date t
est égal à 104.
It/0 I0/t = 104
En effet :
Xt X0
It/0 = X 100 et I0/t = X 100 d'où It/0 I0/t =10000
0 t
Page 49 sur 55
Support de cours : statistiques probabilités
0 0 t
1
On dit qu'un indice simple est transférable si : It'/0 = I It/0
100 t'/t
.
X t' X t' Xt
Autrement dit X X X .
0 t 0
P 4,32
It/0 = P 100 4 100 108
t
P 5,40
It'/0 = P 100 4 100 135
t'
P 5,40
It'/t = P 100 4,32 100 125 .
t'
t
1
On vérifie aisément que It'/0 = I It/0
100 t'/t
1
Soit 135 = 100
(125 108) .
Page 50 sur 55
Support de cours : statistiques probabilités
Page 51 sur 55
Support de cours : statistiques probabilités
On remarque que la moyenne arithmétique des indices des prix (141,25) est
différente de l'indice des moyennes arithmétique des prix (142,5).
Pour justifier le choix on élimine celui qui change avec le changement des unités
des produits .
Reprenons le tableau précédent dans lequel remplaçons par exemple l'unité le
litre de l'huile par le mètre cube (1000 litres) et le kg du sucre par la tonne soit
(1000 kg), on aura le tableau suivant :
On remarque que l'indice des moyennes a changé avec le changement des unités
(140 142,5).
Calculons maintenant la moyenne arithmétique des indices des prix de chacun
des quatre produits.
70
Indice des prix de la viande (1 kg) : It/0 = 100 140
50
9000
Indice des prix de l'huile (1m3) : It/0 = 100 150
6000
5000
Indice des prix du sucre (1 t) : It/0 = 100 130
4000
30
Indice des prix du beurre (1 kg) : It/0 = 100 150
20
D'où la moyenne arithmétique des indices des prix est :
140 150 125 150
I t/0 = 141,25
4
On remarque que la moyenne arithmétique des indices des prix est insensible
aux changements des unités .
En conclusion l'indice des moyennes n'est pratiquement jamais utilisé puisque
l'utilisation d'unités différentes (multiples ou sous multiples des unités) conduit à
un indice différent, ce qui est tout à fait illogique du point de vue économique.
Conséquence : Le mode de calcul le plus approprié est la moyenne arithmétique
des indices.
Page 52 sur 55
Support de cours : statistiques probabilités
On notera :
- Pi.o et Qi.o respectivement le prix et la quantité du ième produit à l'époque
de référence 0.
- Pi.t et Qi.t respectivement le prix et la quantité du ième produit à l'époque
d'observation t.
Lp =
P i .t Qi.0
100 =
P i .0 Qi.0
100 P
i .t ( Pi.0 Qi .0 )
Pi.0 Qi 0 Pi .0
On dit que le coefficient de pondération de l'indice des prix est : Pi.o Qi.o .
Remarques :
1) Si Lp 100 : soit a = Lp 100, on dit que les prix ont augmenté de a % entre
la période de référence 0 et la période d'observation t.
2) Si Lp 100 : soit d = 100 Lp , on dit que les prix ont diminué de d % entre
la période de référence 0 et la période d'observation t.
Lq =
Q it Pi 0
100 =
Q i0 Pi 0
100 Q
i .t (Qi .0 Pi .0 )
Qi.0 Pi.0 Qi.0
Page 53 sur 55
Support de cours : statistiques probabilités
Lvg =
Q i .t Pi.t
100
Q i .0 Pi.0
Pp
P i .t Qi.t
100
P i .0 Qi.t
Remarques :
1) Si Pp 100, soit a = Pp 100; on dit que les prix ont augmenté de a % entre
l'époque de référence 0 et l'époque d'observation t.
2) Si Pp 100, soit d = 100 Pp ; on dit que les prix ont diminué de d % entre
l'époque de référence 0 et la période d'observation t.
Pq =
Q i .t Pi.t
100
Q i .0 Pi.t
Remarque :
1) Si Pq 100, soit a = Pq 100 ; on dit que les quantités ont augmenté de a %
entre l'époque de référence 0 et l'époque d'observation t.
2) Si Pq 100 , soit d = 100 Pq ; on dit que les quantités ont diminué de d %
entre l'époque de référence 0 et l'époque d'observation t .
7.5.2.3 Indice de PAASCHE des valeurs globales
Pvg =
Q i .t Pi.t
100
Q i .0 Pi.0
7.5.3 Les indices de FISHER
L'indice de FISHER est la moyenne géométrique des deux indices de
LASPEYRES et de PAASCHE . Il compris entre ces deux indices et vient
pallier à leurs carences .
F = L P
7.5.3.1 Indice de LASPEYRES des prix
Fp = L P p p
Page 54 sur 55
Support de cours : statistiques probabilités
Fq = Lq Pq
Exemple
Page 55 sur 55