Vous êtes sur la page 1sur 31

LUS :

Licence Techniques de Gestion et


Ingénierie Financières

Cours de Statistique Appliqué à


la Finance

Pr Adil Echchelh
https://fc-mecatronique.com/adil-echchelh/
Étymologie

Allemand
Statistik : Relatif à l'État

Latin
Status, us : état, mais aussi État

Japonais, Chinois

Gérer,
Commander
統計 Calculer,
Mesurer
Les statistiques dans la vie quotidienne

Le sondage
L’économie
la compatabilité
L’industrie
La consommation
Le service
La recherche
INTRODUCTION GENERALE

1. QU’EST-CE QUE LA STATISTIQUE ?

- “statistiques": données numériques relatives à un groupe


d’individus, d’objets, ...
(statistiques démographiques, statistiques du chômage,…)

- “statistique” : méthodes pour analyser ces données


numériques.

3 parties : 1) la statistique descriptive


2) le calcul des probabilités
3) l’inférence statistique.
Un exemple

Pour estimer la qualité du tri sélectif des déchets,


la mairie décide de mener une étude statistique.
Un sondage est réalisé auprès de 800
personnes, en leur demandant combien de
déchets en verre ils ont déposés dans le bac
prévu à cet effet les 8 jours précédant le sonde.
Exemple.
Un chercheur étudie le problème du logement à Mons
 questionnaire aux familles avec question suivante :

- combien d’enfants compte votre famille?

Pas de temps, pas d’argent


 pas de recensement
 sondage : échantillon de 50 familles
Numéro de la famille Nombre
interrogée
1 dd’enfantd’e
3
2 1
nfants
3 2
4 1
5 2
6 5
7 0
8 1
9 3
10 2
11 2
12 5
13 0
14 2
15 1
16 1

....................etc................. (50 lignes)


...
50 4
!  ! comptages
LOURDLOURD comptages (statistiquedescriptive).
(statistique descriptive).
Nombre d’enfants Fréquence
0 8
1 12
2 15
statistique
3 descriptive 7
4 4
5 3
6 1

16 15
14
12
12
10

Fréquence
8
8 7
statistique descriptive
graphique : 6
4
4 3
2 1
0
0 1 2 3 4 5 6
Nombre d'enfants
 calcul de grandeurs “ représentatives ” (statistique
descriptive).
Exemple :
moyenne du nombre d’enfants par famille pour l’échantillon

Moyenne = =2
(3  1  2  ...  4)
50
? moyenne du nombre d’enfants par famille pour toute la population ?
Pas de valeur exacte à partir de l’échantillon.

Mais, sous certaines conditions (échantillon au hasard, ... )


 2 bornes entre lesquelles la moyenne de la population se trouve avec un certain degré de
confiance
(notion d’intervalle de confiance) :
Echantillon de 50 familles :
moyenne = 2

INFERENCE

Population de 25000 familles :


1.58  moyenne  2.42
avec un « degré de confiance = 95% »
Inférence statistique :
- estimation d’un paramètre caractéristique d’une population,
- tester des hypothèses.

Même exemple (suite):


Un responsable politique affirme qu’au moins 80% des familles montoises sont satisfaites
de leur logement.

Le chercheur décide de tester cette hypothèse en posant la question suivante (aux


familles de l ’échantillon):
- votre famille est-elle satisfaite de son logement?
OUI 
NON 
Supposons que 30 OUI et 20 NON
 60% des familles de l’échantillon sont satisfaites.

Ecart entre hypothèse (  80% ) et résultat du test (60%) dû à :

- hasard ?

- hypothèse est fausse ?

 théorie des tests d’hypothèse.

3 parties : 1) la statistique descriptive 

2) le calcul des probabilités ??

3) l’inférence statistique. 
Imaginons posséder les données relatives à la
population toute entière :
- nombre d’enfants de chacune des 25.000 familles et
- leur appréciation sur leur logement.

Calcul des probabilités  réponses à des questions comme

- si on choisit « au hasard » une famille, quelle est la probabilité


- qu’elle comporte exactement 5 enfants?
- qu’elle soit satisfaite de son logement ?
Imaginons posséder les données relatives à la
population toute entière :
- nombre d’enfants de chacune des 25.000 familles et
- leur appréciation sur leur logement.

Calcul des probabilités  réponses à des questions comme

- si on choisit « au hasard » un échantillon de 50 familles,


quelle est la probabilité
- que la moyenne du nombre d’enfants par famille de
l’échantillon soit comprise entre 1 et 3 ?
- que le pourcentage de familles satisfaites de leur
logement dans l’échantillon soit compris entre 65 et 75 ?
Population connue Echantillon inconnu

Calcul des probabilités


?
DEDUCTION

décrit

Statistique descriptive

Population inconnue Echantillon connu

Inférence statistique
? INDUCTION

décrit

Statistique descriptive
2. LES NIVEAUX DE MESURE EN STATISTIQUE

ATTENTION : ne tirer des données QUE des informations


qu’elles contiennent .

Exemple : observation du temps au cours d’un hiver :

NEIGE PLUIE NUAGE SOLEIL

1 2 3 4

 série statistique 2, 3, 1, 1, 4, ..., 1, 1, 2.

 calculer la moyenne, soit 2

PAS DE SENS !
 déduire que le temps moyen de l’hiver a été “PLUIE”.
Notion de variable.
Exemple:
ensemble d’enfants (unités statistiques) et mesure de leur QI.
A chaque unité statistique  un et un seul nombre, le Q.I. :

Variable Q.I.
130

120

105

95
Ensemble des unités statistiques 90
Ensemble des réels

variable  fonction de l’ensemble des unités statistiques dans R.


Parfois, ensemble d’arrivée  R
 on ne parle plus de variable, mais de caractère.

Exemple : ensemble de personnes dont on mesure la nationalité


(Hollandais, Français ou Marocain)

Caractère nationalité

B
questionnaire
Marocain

C
FRANÇAIS

A HOLLANDAIS
Mais avec un code, caractère  variable :
HOLLANDAIS  0
FRANÇAIS  1
Marocain  2

Variable nationalité

B questionnaire
+
codage 2

C
1

A 0
En pratique, presque toujours variables, donc nombres

MAIS que peut-on faire avec ces nombres ?

 identifier le type de la variable ou le niveau de mesure


(trouver les propriétés des nombres générés par la variable)

Dans le cours, 4 types de variables .


1) variables nominales

classement de personnes, d’objets en catégories


Exemple: variable nationalité

La variable attribue des numéros aux catégories :

A dans catégorie “0”


B dans catégorie “2”  A est « inférieur » à B

On peut seulement dire que A n’est pas équivalent à B


du point de vue de la variable considérée.

A dans catégorie “0”


C dans catégorie “0”  A est « équivalent » à C

Avec variables nominales, - pas d’arithmétique


- pas de « rangement »
2) variables ordinales

rangement, hiérarchie de personnes, d’objets Code


Exemple: variable grade
Adjudant  4
Variable grade 1er sergent major  3
1er sergent  2 sergent
 1
B

3
C

A 1
A dans catégorie “1”
B dans catégorie “4”  A est « inférieur » à B

A dans catégorie “1”


C dans catégorie “1”  A est « équivalent » à C

Avec variables ordinales, - pas d’arithmétique


- rangement

( mais pas de « distance » entre catégories )


3) variables d’intervalle

- indiquent, en plus du « rangement », la distance, l’intervalle


qui sépare deux unités statistiques quelconques.

Exemples:
- variable « poids » (en kg) des personnes d’un ensemble
- variable « température » (en °C) à Mons à midi en janvier
- variable « revenu mensuel » (en €) des familles d’un ensemble

(unité de mesure!)

 ont un sens :
- comparer (>,<,=) des différences de valeurs

- arithmétique sur des différences de valeurs

- calculer des rapports de différences de valeurs


Exemple : variable « poids » : supposons que
poids de A = 100 kg
poids de B = 75 kg
poids de C = 50 kg

Dire que

- [ différence entre A et C ] > [ différence entre B et C ]

- [ différence entre A et C ] = 2 x [ différence entre B et C ]

a un sens!
3) variables de
4) d’intervalle
rapport

- indiquent, en plus du « rangement », la distance, l’intervalle


qui sépare deux unités statistiques quelconques.

- existence (et « utilisation ») d’un zéro naturel

Exemples:
- variable « poids » (en kg) des personnes d’un ensemble
- variable « température » (en °C) à Mons à midi en janvier
- variable « revenu mensuel » (en €) des familles d’un ensemble

(unité de mesure!)

 ont un sens :
- comparer (>,<,=) des différences de valeurs
et des de
- arithmétique sur des différences valeurs
valeurs

- calculer des rapports de différences de valeurs


et des valeurs

et de valeurs
Exemple : variable « poids » : supposons que
poids de A = 100 kg
poids de B = 75 kg
poids de C = 50 kg

Dire que

- [ différence entre A et C ] > [ différence entre B et C ]

- [ différence entre A et C ] = 2 x [ différence entre B et C ]

- [ poids de A ] = 2 x [ poids de C ]

a un sens!
Aspect « cumulatif » :

Rapport de Rapport de
Equivalence Ordre
deux intervalles deux valeurs
Variables nominales X
Variables ordinales X X
Variables d’intervalle X X X
Variables de rapport X X X X

 données provenant de variable d’intervalle


peuvent être traitées par une technique statistique
propre aux variables ordinales
(perte d’information).

 données provenant de variable ordinale


traitées par une technique statistique erreur grossière!!!
propre aux variables d’intervalle ?
Exercices :

1) à quel niveau de mesure rattacher la variable Q.I. ?

2) course cycliste; unité statistique  coureur .


De quel type sont les variables suivantes :
la marque publicitaire,
le numéro du dossard,
la place à l’arrivée,
l’écart par rapport au premier,
le temps mis pour la course ?
Classification des types de variables :

variable qualitative nominale


ordinale

quantitative d’intervalle discrète


de rapport continue

Exemple : - variable discrète : nombre d’enfants dans une famille


- variable continue : taille d’une personne
But de statistique appliqué à la finance :
présenter les données sous forme condensée
facilement interprétable.

On parlera de

- statistique descriptive à 1 dimension


( 1 variable considérée ),

- statistique descriptive à 2 dimensions


( 2 variables considérées simultanément ),

- statistique descriptive multidimensionnelle


( très brièvement ).

Vous aimerez peut-être aussi