Statistique descriptive

« À deux variables »

Formateur: Mr EL MEKKAOUI Les Statistiques 1

 Table des matières

Partie 1: Statistique descriptive

Statistique  Introduction;
 L’ajustement linéaire;
descriptive à
 La corrélation;
deux variables  Les séries chronologiques

Formateur: Mr EL MEKKAOUI Les Statistiques 2

 Chapitre 6: L’ajustement linéaire:

Certaines expériences ou observations amènent à considérer simultanément deux

(ou plusieurs) variables. Il peut s’agir de plusieurs caractères définis sur une même
population statistique : par exemple, pour les élèves d’un institut, la taille, le poids,
l’âge, etc...

Il peut aussi s’agir de la mesure d’un caractère y en fonction d’une variable x.

Par exemple :
 Longueur y d’un ressort en fonction de la force x exercée dessus,
 Production y d’acier chaque année en France (x est alors le temps), ...

Dans chacun des cas, on obtient un ensemble de couples (ou n-applets) formant
une série statistique à 2 (ou à n) variables
Le couple de variables (x , y) définit une série statistique double.

Dans le cas d’une série statistique double, chaque couple (x, y) est représenté par un
point M (x ; y) dans un repère. On obtient ainsi un ensemble de points formant un
“nuage”.

Formateur: Mr EL MEKKAOUI Les Statistiques 3

Examinons un exemple : la production de blé au Maroc (en millions de dm3).

Années Le rang de Xᵢ Production de blé en millions de dmᶟ « Yᵢ »

1987 0 12,90
1988 1 15,40
1989 2 18,10
1990 3 17,80
1991 4 19,10
1992 5 15,00
1993 6 16,10
1994 7 17,50
1995 8 21,00
1996 9 19,50
1997 10 23,50
1998 11 22,80

Dans l’ensemble ci-dessus, la série est représentée par le nuage suivant :

Formateur: Mr EL MEKKAOUI Les Statistiques 4
 Nuage de points

Production de blé
25

20

15

10

0
0 2 4 6 8 10 12
Années

Formateur: Mr EL MEKKAOUI Les Statistiques 5

On constate que le nuage a une forme allongée. La direction dominante de ce nuage permet

de dégager une tendance, si l’on veut par exemple fournir une estimation de la production

de blé dans quelques années. Nous allons chercher à préciser cette tendance en traçant une

droite passant “le plus près possible” des points du nuage. C’est ce que l’on appelle ajuster

une droite aux points du nuage.

Il existe plusieurs méthodes pour déterminer cette tendance (la plus simple étant un

ajustement graphique) mais celle qui donne les meilleurs résultats en général est la

méthode dite des “moindres carrés”.

Formateur: Mr EL MEKKAOUI Les Statistiques 6

B) L’ajustement par la méthode des moindres carrés:

1) Principe:

L’ajustement linéaire par la méthode des moindres carrés consiste à trouver les
déterminant a et b de l’équation de la droite de régression « Y = a.x +b »

Soit une série statistique double (x;y), représentée par les points M(x,y). On appelle droite
de régression (ou droite d’ajustement) de ces points par la méthode des moindres carrés la
droite d’équation y = a.x + b telle que :

F(a,b) =  (yi - a.xi - b)² soit minimale.

Formateur: Mr EL MEKKAOUI Les Statistiques 7

2) Détermination des déterminants « a » et « b » de l’équation « Y = ax + b »

2 – 1) Le déterminant de l’équation « a »:

Covariance (x, y)
a=
Variance (x)

 Covariance (x, y) d’une série simple:

∑(xᵢ - x) x (yᵢ - y)
Cov.(x, y) =
∑nᵢ

Formule simplifiée de la Covariance (x, y):

∑xᵢ x yᵢ
Covariance (x, y) = - xxy
∑nᵢ
Formateur: Mr EL MEKKAOUI Les Statistiques 8
La variance de x est donnée par la formule suivante (cas d’une série
simple):

∑xᵢ²
σᵪ² = - x²
∑nᵢ

Donc la formule simplifiée de « a »:

∑xᵢ x yᵢ - ∑nᵢ x x x y
a=
∑xᵢ² - ∑nᵢ x x²

Formateur: Mr EL MEKKAOUI Les Statistiques 9

2 – 2) Le déterminant de l’équation « b »:

b = y–axx

C) La corrélation:

1) Principe:

Il est toujours possible mathématiquement d’ajuster des droites à un nuage donné. Le

problème qui se pose maintenant est celui de la pertinence de cet ajustement. La
covariance permet de “mesurer” la corrélation entre les deux variables.
Pour étudier la corrélation entre deux variables, on s’intéresse à leur covariance. Mais
celle-ci dépend des unités de mesure des variables ; elle ne permet donc pas de savoir
si la corrélation est grande ou petite. Un moyen d’éviter cet inconvénient est de diviser
la covariance par un nombre exprimé dans les mêmes unités que les variables.
Nous allons ainsi diviser par x et y ce qui représente un double avantage : le résultat
est compris entre -1 et 1, et il ne dépend plus des unités des variables.

Formateur: Mr EL MEKKAOUI Les Statistiques 10

2) Définition du coefficient de corrélation:

Le coefficient de corrélation linéaire (ou coefficient de BRAVAIS-

PEARSON) d’une série statistique double (x ; y) est un indicateur de
corrélation qui mesure le degré de dépendance entre les deux variable xᵢ et yᵢ

Le coefficient de corrélation est compris entre -1 et 1:

-1 ≤ r ≤ 1

Trois situations sont à distinguer

Si le « r » est négatif, il
Si « r » est positif, il
Si « r » = 0 aucune s’agit d’une corrélation
s’agit d’une
relation entre X et Y. négative entre X et Y.
corrélation positive.
Les deux variable les deux variables
X et Y varient dans le
sont indépendantes varient dans sens
même sens
inverse
Formateur: Mr EL MEKKAOUI Les Statistiques 11
3) La formule du coefficient de corrélation « r »:

Covariance (x, y)
Coefficient de corrélation « r » =
σᵪ x σᵧ

1
x (∑xᵢ x yᵢ) - x x y
∑nᵢ
Coefficient de corrélation =
σᵪ x σᵧ

Formateur: Mr EL MEKKAOUI Les Statistiques 12

D) Exemple explicatif:

Prévision de flux dans un entrepôt

Au sein de votre entrepôt, vous souhaitez vous doter d’une structure adaptée en
termes de matériel et de ressources humaines. Dans cette optique, vous allez réaliser
des prévisions de flux sur l’année 2020 en vous basant sur l’historique de l’année 2019.

L’historique fourni ci-après retrace les sorties moyennes en palettes par jour sur
chacun des 12 mois de 2019. Cet historique présente les chiffres désaisonnalisés, c’est-
à-dire ne tenant pas compte des variations saisonnières qui cependant existent :

Formateur: Mr EL MEKKAOUI Les Statistiques 13

Tableau:

Mois Sorties moyennes (palette/jour)

Janvier 500
Février 520
Mars 560
Avril 560
Mai 580
Juin 620
Juillet 620
Août 640
Septembre 640
Octobre 670
Novembre 680
Décembre 700

Formateur: Mr EL MEKKAOUI Les Statistiques 14

Travail demandé:

1) Représentez graphiquement les données du tableau.

2) Déterminez la droite de régression de y par rapport à x par la méthode des

moindres carrés en détaillant les calculs.

3) Représentez graphiquement la droite de régression.

Remarques :

 y représente les sorties moyennes.

 x représente les mois, x allant de 1 à 12.

les résultats finaux seront arrondis au centième.

4) Jugez la pertinence de l’ajustement réalisé en calculant le coefficient de

corrélation.

Formateur: Mr EL MEKKAOUI Les Statistiques 15

Réponse:

Sorties moyennes
Mois Xᵢ Xᵢ x Yᵢ Xᵢ² Yᵢ²
(pal./jour) Yᵢ
Janvier 1 500 500 1 250 000
Février 2 520 1 040 4 270 400
Mars 3 560 1 680 9 313 600
Avril 4 560 2 240 16 313 600
Mai 5 580 2 900 25 336 400
Juin 6 620 3 720 36 384 400
Juillet 7 620 4 340 49 386 400
Août 8 640 5 120 64 409 600
Septembre 9 640 5 760 81 409 600
Octobre 10 670 6 700 100 448 900
Novembre 11 680 7 480 121 462 400
Décembre 12 700 8 400 144 490 000
∑xᵢ = 78 ∑yᵢ = 7 290 ∑Xᵢ.Yᵢ = 49 ∑Xᵢ²= 650 ∑Yᵢ² = 4 475
880 300

Formateur: Mr EL MEKKAOUI Les Statistiques 16

1)

78
 x = = 6,5
12

(- 1 si pas calcul)

σ x = 3,45

(- 1 si pas graphique)

7 290
 y = = 607,5
12

(- 1 si pas calcul)

σy = 60,98

Formateur: Mr EL MEKKAOUI Les Statistiques 17

2) La droite de régression « Y = ax + b »:

∑ xi x yi - x x y 49 880 - 6,5 x 607,5

N 12
a= =
σ x² 3,45 ²

a = 17,45

b = y - ax = 607,5 - 17,45 x 6,5

b = 494,09

d’où l’équation : y = 17,45 x + 494

Formateur: Mr EL MEKKAOUI Les Statistiques 18

3) Représentation graphique:

750

700

650

y = 17,45 x + 494,09
600

550

500
0 2 4 6 8 10 12 14

Formateur: Mr EL MEKKAOUI Les Statistiques 19

4) Le coefficient de corrélation linéaire « r »:

Jugez la pertinence de l’ajustement réalisé en calculant le coefficient de

corrélation.

∑ xi x yi - x x y 49 880 - 6,5 x 607,5

N 12
r= =
σx x σ y 3,45 x 60,98

Le coefficient de corrélation = 0,99 / l’ajustement linéaire est donc justifié.

Formateur: Mr EL MEKKAOUI Les Statistiques 20

 Chapitre 7: Les séries chronologiques

L’étude des phénomènes économiques nécessite la collecte des observations si bien que
pour, expliquer les interactions entre les grandeurs économiques, pour effectuer des
prévisions, …, il convient de dresser des séries chronologiques.

1) Définition:

Les séries chronologiques sont des suites d’observations chiffrées et ordonnées

dans le temps. Elles indiquent l’évolution d’une variable économique en
fonction d’une variable chronique (le temps).

Y est la grandeur qui évolue en fonction du temps (t) qui peut être:

 Mensuel;
 Trimestriel;
 Semestriel:
 Annuel;
 ……
Formateur: Mr EL MEKKAOUI Les Statistiques 21
Une série chronologique (chronique ou temporelle), analysée, fait apparaitre quatre
composantes ou mouvements:

 Une composante extra-Saisonnière (T): il s’agit d’un mouvement à long terme

qualifié par trend ou la tendance générale de la série chronologique. Elle traduit
l’évolution de la série à long terme en faisant abstraction des variations
saisonnières

 Une composante cyclique où l’amplitude d’un mouvement (V): est une variable
pouvant généralement dépasser l’année.

 Une composante saisonnière (S): des fluctuations périodiques peuvent apparaitre à

l’intérieur de l’année et qui peuvent se répéter chaque année à la même période.
(exemple : il y a beaucoup plus de mariages en juin qu’en janvier).

 Une composante aléatoire ou imprévisible (R): où l’intensité de variation est réduite,

comme des inondations, des grèves, des élections….

Y = T + V+S + R

Formateur: Mr EL MEKKAOUI Les Statistiques 22

II) Analyse des séries chronologiques:

 L’analyse d’une série chronologique consiste à décrire les mouvements qui la

composent.

 On suppose pour cela que la variable y de la série peut s’écrire comme la

somme des variables T, S et R, correspondant respectivement à la tendance, la
saisonnalité et aux mouvements aléatoires :

 L’analyse de la série consiste à chercher les facteurs T, S et R et à considérer

qu’ils sont les composants de base de cette série.

 Notons que parfois, lors d’études sur très long terme, on introduit une
composante variation cyclique qui caractérise les oscillations de grande
période : intervalles de prospérité, régression, baisse ou rétablissement…

Formateur: Mr EL MEKKAOUI Les Statistiques 23

A) Analyse de la tendance générale:

Il y’a différentes méthodes d’ajustement pour déterminer le trend.

1) Méthode graphique:

On peut ajuster le graphique par la méthode des points médians.

On peut suivre les étapes suivantes:

 On joint les plus hauts par des segments de droite;

 On trace des segments parallèles à l’axe des ordonnées;

 Et on joint leur milieu on obtient ainsi une courbe ajustée.

Formateur: Mr EL MEKKAOUI Les Statistiques 24

Ajustement par la méthode des points médians:

1 – 1) Représentation graphique des données:

Yᵢ
25
Le trend

20

15
Série 1
Série 2
10

0
1 2 3 4 5 6 7 Tᵢ

Formateur: Mr EL MEKKAOUI Les Statistiques 25

2) Méthode mécanique:

On utilise deux types de moyennes:

a) Les moyennes échelonnées:

y₁ + y₂ + y₃ y₄ + y₅ + y₆ y₇ + y₈ + y₉ y₁₀ + y₁₁ + y₁₂

Y₂ = Y₅ = Y₈ = Y₁₁ =
3 3 3 3

 L’inconvénient est que sur 12 valeurs observées on a seulement 4 valeurs corrigées ce qui
réduit l’importance de cette méthode d’où l’utilisation des moyennes mobiles

b) Les moyennes mobiles:

b – 1) Les moyennes mobiles sur trois points:

y₁ + y₂ + y₃ y₂ + y₃ + y₄ y₁ + y₂ + y₃ yᴩ ₋ ₁ + yᴩ + yᴩ ₊ ₁
Y₂ = Y₃ = Y₄ = Yᴩ =
3 3 3 3

Formateur: Mr EL MEKKAOUI Les Statistiques 26

b – 2) Les moyennes mobiles sur quatre points:

y₁ ∕ 2 + y₂ + y₃ ₊ y₄ ∕ 2 y₃ ∕ 2 + y₄ + y₅ ₊ y₆ ∕ 2
Y₃ = Y₄ =
4 4

y ₄ ∕ 2 + y₅ + y₆ + y₇ ∕ 2 yp ₋ ₁/ 2 + yp + yp ₊ ₁ + yp ₊ ₂ / 2
Y₅ = Etc…. Yp =
4 4

Remarque

 En calculant sur trois valeurs on a pour chaque valeur observée « yᵢ » une

image « yᵢ » corrigée sauf pour la première et la dernière observation.

 En calculant sur quatre valeurs les deux premières et les deux dernières
observations « yᵢ » n’ont pas d’image « yᵢ » corrigée.

Formateur: Mr EL MEKKAOUI Les Statistiques 27

3) Méthode analytique: Méthode des moindres carrés:

Cette méthode consiste à déterminer l’équation de la tendance générale :

« Y = at + b » avec:

∑tᵢ x yᵢ - ∑nᵢ x t x y
a= et b = y–axt
∑tᵢ² - ∑nᵢ x t²

B) Analyse du mouvement saisonnier:

L’analyse du mouvement saisonnier nécessite le calcul des rapports au trend ou

des moyennes pour déterminer les coefficients saisonniers

Ce mouvement peut être éliminé pour présenter une série désaisonnalisée

Formateur: Mr EL MEKKAOUI Les Statistiques 28

B – 1) Calcul des coefficients saisonniers:

Il existe plusieurs méthodes, mais on va retenir deux méthodes: des coefficients

saisonniers par rapport aux rapports au trend et la méthode des moyennes.

a) Méthode des rapports au trend:

a – 1) Les rapports « Rᵢ »

yᵢ Observée yᵢ Observée
Rᵢ = =
yᵢ Corrigée Trend

a – 2) Les coefficients saisonniers « CSᵢ »:

∑ Rᵢ Rᵢ + Rᵢ ₊ p + Rᵢ ₊ ₂p + Rᵢ ₊ ₃p + … + Rᵢ ₊ np
CSᵢ = CSᵢ = « P = Période »
n Nombre de rapports « Rᵢ »

Formateur: Mr EL MEKKAOUI Les Statistiques 29

b) Méthode des moyennes:

b – 1) Mensuellement:

Moyenne mensuelle « yᵢ » i = 1; 2; 3; ….; 12.

CSᵢ =
Moyenne générale « Y »

Avec ∑CSᵢ = 12

b – 2) Trimestriellement:

Moyenne Trimestrielle « yᵢ »
CVSᵢ = i = 1; 2; 3; 4.
Moyenne générale « Y »

Avec ∑CVSᵢ = 4

Formateur: Mr EL MEKKAOUI Les Statistiques 30

B – 2) La dessaisonalisation d’une série:
La dessaisonalisation d’une série statistique est une étape qui permet de
présenter cette série sans variation saisonnière

Yᵢ observée
Trend =
CSᵢ

C ) Essai d’estimation:

Pour faire des prévisions on doit connaitre:

 L’équation « y = at + b » ;
 Le rang de « tᵢ » trimestre question de prévisions.
 Le coefficient de variation saisonnière « CVSᵢ » du trimestre « tᵢ ».

Yᵢ prévue = Trend x CVSᵢ

Yᵢ prévue = [ a x tᵢ + b ] x CVSᵢ

Formateur: Mr EL MEKKAOUI Les Statistiques 31

Exemple explicatif:

Considérons la série des palettes expédiées trimestriellement sur une période de trois
ans, les chiffres sont en milliers.

Trimestre 1 2 3 4
Années
2018 90 130 160 140
2019 120 160 180 140
2020 110 140 160 130

On vous demande de faire vos estimations pour des palettes expédiées au 2ème trimestre
2021.

Pour ce faire, on va suivre les étapes suivantes:

1ère étape: Analyse du trend ou la tendance générale:

Il existe plusieurs méthodes d’analyse du trend, mais on va retenir trois méthodes:

Formateur: Mr EL MEKKAOUI Les Statistiques 32

1) Méthode graphique:

Chiffre d’affaire Yᵢ
200
180 Le trend

160
140
120
100 Série 1
Série 2
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
Trimestre Tᵢ

Formateur: Mr EL MEKKAOUI Les Statistiques 33

2) Méthode mécanique:

2 – 1) Les moyennes échelonnées

90+ 130 + 160

Y₂ = = 126,67
3

140 + 120 + 160

Y₅ = = 140
3

……

 L’inconvénient est que sur 12 valeurs observées on a seulement 4 valeurs

corrigées ce qui réduit l’importance de cette méthode d’où l’utilisation des
moyennes mobiles

Formateur: Mr EL MEKKAOUI Les Statistiques 34

2 – 2) Les moyennes mobiles:

a) Sur trois points:

90 + 130 + 160
Y₂ = = 126,67
3

130 + 160 + 140

Y₃ = = 143,33
3

160 + 140 + 120

Y₄ = = 140
3

…..

140 + 160 + 130

Y₁₁ = = 143,33
3

Formateur: Mr EL MEKKAOUI Les Statistiques 35

b) Sur quatre points:

90 ∕ 2 + 130 + 140 ₊ 140 ∕ 2

Y₃ = = 96,25
4

160 ∕ 2 + 140 + 120 ₊ 160 ∕ 2

Y₄ = = 105
4

140 ∕ 2 + 120 + 160 + 180 ∕ 2

Y₅ = = 110
4
….
110 ∕ 2 + 140 + 160 + 130 ∕ 2
Y₁₀ = = 105
4

 En calculant sur trois valeurs on a pour chaque valeur observée « yᵢ » une

image « yᵢ » corrigée sauf pour la première et la dernière observation.
 En calculant sur quatre valeurs les deux premières et les deux dernières
observations « yᵢ » n’ont pas d’image « yᵢ » corrigée.
Formateur: Mr EL MEKKAOUI Les Statistiques 36
3) Méthode analytique: Méthode des moindres carrés:

Tᵢ Yᵢ Tᵢ X Yᵢ Tᵢ²
1 90 90 1
2 130 260 2
3 160 480 9
4 140 560 16
5 120 600 25
6 160 960 36
7 180 1 260 49
8 140 1 120 64
9 110 990 81
10 140 1 400 100
11 160 1 760 121
12 130 1 550 144
∑Tᵢ = 78 ∑Yᵢ = 1 660 ∑Tᵢ X Yᵢ = 11 040 ∑Tᵢ² = 650

Formateur: Mr EL MEKKAOUI Les Statistiques 37

On détermine les déterminants « a » et « b » de l’équation « Y = a x T + b » du trend:

∑tᵢ x yᵢ - ∑nᵢ x t x y
et
a= b = y–axt
∑tᵢ² - ∑nᵢ x t²

∑Tᵢ 78 ∑ Yᵢ 1 660
T= = = 6,5 Y= = = 138,33
12 12 12 12

11 040 - 12 X 6,5 X 138,33

a= = 1,75 b = 138,33 – 1,75 X 6,5 = 127
650 – 12 X 6,5²

Donc l’équation de la tendance générale est:

Y = 1,75 T + 127

Formateur: Mr EL MEKKAOUI Les Statistiques 38

II) Analyse du mouvement saisonnier:

A) Calcul des coefficients saisonniers « CSᵢ »:

A – 1) Méthode des rapports au trend « Rᵢ »:

yᵢ Observée yᵢ Observée
Rᵢ = =
yᵢ Corrigée Trend

Formateur: Mr EL MEKKAOUI Les Statistiques 39

 Tᵢ Yᵢ Y= 1,75 T + 127 (Trend ou Yᵢ Corrigée) Rᵢ
1 90 128,75 0,699
2 130 130,50 0,996
2018
3 160 132,25 1,209
4 140 134,00 1,045
5 120 135,75 0,884
6 160 137,50 1,163
2019
7 180 139,25 1,292
8 140 141,00 0,992
9 110 142,75 0,770
10 140 144,50 0,968
2020
11 160 146,25 1,094
12 130 148,00 0,878

Formateur: Mr EL MEKKAOUI Les Statistiques 40

Calcul des coefficients saisonniers, on applique la formule suivante:

Rᵢ + Rᵢ ₊ p + Rᵢ ₊ ₂p + Rᵢ ₊ ₃p + … + Rᵢ ₊ np
CSᵢ = p = la Période
Nombre de rapports « Rᵢ »

Coefficient saisonnier « CSᵢ » Résultat

R₁ + R₅ + R₉ 0,699 + 0,884 + 0,77
CS₁ = = = 0,784
3 3
R₂ + R₆ + R₁₀ 0,996 + 1,163 + 0,968
CS₂ = = = 1,042
3 3
R₃ + R₇ + R₁₁ 1,209 + 1,292 + 1,094
CS₃ = = = 1,198
3 3
R₄ + R₈ + R₁₂ 1,045 + 0,992 + 0,878
CS₄ = = = 0,972
3 3
Total ∑CSᵢ = 4
Formateur: Mr EL MEKKAOUI Les Statistiques 41
A – 2) Méthode des moyennes:

Trimestre 1 2 3 4
Années
2018 90 130 160 140
2019 120 160 180 140
2020 110 140 160 130

Moyennes trimestrielles ∑Yᵢ

« Yᵢ » 106,67 143,33 166,67 136,67 Y= = 138,33
∑Yᵢ 4
Yᵢ =
3
Moyenne générale « Y » 138,33
Coefficients saisonniers
Yᵢ 0,771 1,036 1,205 0,988 ∑CVSᵢ = 4
CVSᵢ =
Y

Formateur: Mr EL MEKKAOUI Les Statistiques 42

III) Essai d’estimation:

Pour faire des prévisions, nous devrons disposer:

 L’équation de la tendance générale « Y = 1,75 T + 127 »;

 Le rang de la période « Tᵢ » 2ème trimestre 2021 correspond le rang Tᵢ = 12 + 2 = 14;
 Le coefficient saisonnier « CVSᵢ » qui correspond à la période « Tᵢ » donc 2ème
trimestre 2021, on applique le CVS₂ = 1, 036.

On applique la formule suivante:

Yᵢ prévue = Trend x CVSᵢ

Yᵢ prévue = [ a x tᵢ + b ] x CVSᵢ

Application numérique:

Y₁₄ prévue = 1,75 X (14) + 127 X 1,036 = 156,954

Soient 156 954 palettes expédiées pour le 2ème trimestre 2021

Formateur: Mr EL MEKKAOUI Les Statistiques 43

 Guides et supports de soutien

Guide de soutien, module 05: Les Statistiques; Septembre 2012. Filière

Responsable en Exploitation Logistique.

Statistique descriptive: Cours et exercices corrigés; E.A. HASSANI ; B.

KOUHLANI; M. BENABDESSELAM. Édité par: DAR AL MASSAR
Casablanca. Édition 2010

Guide de soutien, module 03: Les Techniques Quantitatives de

Gestion; Version 2008. Filière Technicien Spécialisé en Exploitation de
transport.

Formateur: Mr EL MEKKAOUI Les Statistiques 44