Université Hassan II Mohammedia – Casablanca

Ecole Nationale de Commerce et de Gestion

‫المدرسة الوطنية للتجارة والتسيير الدار البيضاء‬
Examen de rattrapage Nom : ………………………………..…………….. Note :
Matière : Analyse de données.
Aucun document n’est autorisé. Prénom : ………………………..………………..
Durée : 1H
Pr. BOULAHOUAL Adil GROUPE : …………………………………………

EXERCICE I Encerclez les bonnes réponses.

1. Le coefficient de variation 1. Calculer la variance. 2. De comparer deux séries statistiques en termes
permet de : de concentration. 3. De comparer deux séries statistiques en termes de
dispersion.
2. Une distribution avec un 1. Asymétrique à droite. 2. Asymétrique à gauche 3. indique que les
Skewness négative significatif queues comptent un plus grand nombre d'observations que dans une
est une distribution : distribution gaussienne.
3. La moyenne harmonique sert à 1. Un taux moyen. 2. Un rapport moyen. 3. Autre :
calculer :
4. La moyenne de la distribution 1. La moyenne de l’échantillon 2. La moyenne de la population
d’échantillonnage des moyenne 3. La médiane.
est égale à :
5. Les statistiques servent à : 1. Décrire un échantillon. 2. Décrire une population. 3. Estimer les critères
de la population.
6. Les panels sont des 1. Entre 2 00 à 1000.
Investigations approfondies 2. Entre 1 000 à 2 000.
réalisées périodiquement sur les 3. Entre 2 000 à 10 000.
mêmes clients. En s’appuyant
sur des échantillons de tailles
comprises:
7. Les données secondaires sont : 1. Des données brutes, qui doivent être préparées, analysées puis interprétées.
2. Moins pertinentes que les données secondaires.
3. les données déjà utilisées et que nous allons exploiter pour encore une fois.
8. La validation du modèle 1. Est la première étape de la régression linéaire multiple.
linéaire 2. Permet de soupçonner l’existence de relation entre plusieurs variables à
caractère quantitatif.
9. L'erreur aléatoire est une : 1. Erreur dépendante de l'instrument de mesure.
2. Erreur dépendante des circonstances de mesure.
10. Pour quantifier l’intensité de la 1. Le coefficient de détermination de Y en fonction de X.
relation entre deux variables 2. Le coefficient de corrélation entre X et Y.
nous utilisons : 3. La covariance entre X et Y.
11. ei est le symbole : 1. De l’erreur théorique aléatoire.
2. Du résidu.
12. y = β0 + β1x1 est : 1. La fonction de la droite de régression linéaire multiple théorique.
2. La fonction de la droite de régression linéaire simple empirique.
3. L’estimation ponctuelle de Y.
4. La fonction de la droite de régression linéaire simple théorique.
13. Le coefficient de détermination 1. σ2
théorique de Y en fonction de X 2. ρ2
est noté : 3. r2
14. L’examen de 1. L’examen de l'indépendance des termes d'erreur.
L'homoscédasticité est : 2. Fait à l’aide du test de Durbin-Watson.
3. L’examen de la variance du terme d'erreur.

1
15. Lorsque le seuil de signification 1. La marge d’erreur augmente.
grandit : 2. La marge d’erreur baisse.
3. L’intervalle de confiance devient plus petit.
16. Dans le cadre de la régression 1. Nous rejetons l’hypothèse nulle.
linéaire si la valeur 0 2. Nous acceptons le modèle.
appartient à l’intervalle de 3. Nous rejetons le modèle.
confiance de β0 :
17. Les tris croisés ont pour objet : 1. De vérifier l’existence de relation entre des variables à caractères qualitatifs.
2. De soupçonner l’existence d’association entre des variables à caractères
qualitatifs
18. L'hypothèse nulle du test de 1. La dépendance des variables à caractère quantitatif.
KHI-DEUX est : 2. L’indépendance des variables à caractère qualitatif.
3. La dépendance des variables à caractère qualitatif.
19. L’hypothèse d’indépendance 1. c2 > c2 α ;ddl
entre variables à caractère 2. c2  c2 α ;ddl
qualitatif est rejetée lorsque : 3. La signification du teste de khi-deux est inferieur àα
4. La signification du teste de khi-deux est superieur à α
20. Lorsque la statistique « V de 1. Moyenne.
cramer » est supérieure à 0, 50 2. Forte.
la relation est dite : 3. Très forte.
21. le test de Kolmogrov-smirnov 1. L’indépendance des termes d’erreurs.
mesure : 1. La normalité de la distribution.
2. L’indépendance des termes d’erreurs.
3. La normalité de la distribution des erreurs.
2. La normalité de la distribution d’une variable quelconque.
22. Lorsque le facteur d’inflation 1. L’inexistence de multi-colinéarité.
de la variance est égal à un 2. L’inexistence de multi-colinéarité.
(1) ceci signifie: 3. La dépendance entre les termes d’erreurs.
4. La forte relation entre les variables explicatives.

EXERCICE II :

23. ANOVAa
Modèle Somme des carrés ddl Moyenne des carrés D Sig. 1. Le revenu explique le rendement.
Régression ,210b
1 Résidu 2. Le revenu n’explique le rendement.
Total 3. Le rendement explique le revenu.
a. Variable dépendante : RENDEMENT
b. Valeurs prédites : (constantes), REVENU
4. Le rendement n’explique le revenu.
α = 5%
24. Coefficients 1. Au niveau de 2% nous pouvons confirmer
Modèle Coefficients non
standardisés
Coefficients
standardisés
Sig. 97,0% % intervalles de
confiance pour B
que le revenu explique le rendement.
A Erreur Bêta Borne Limite 2. Au niveau de 2% nous pouvons confirmer
standard inférieure supéreure que le revenu n’explique pas le rendement.
2
Constante -544,181 277,174 ,081 -1257,574 169,211 3. A quel niveau nous pouvons accepter le
REVENU ,294 ,077 ,785 ,023 ,095 ,493 modèle ?
a. Variable dépendante : RENDEMENT
b. Valeurs prédites : (constantes), REVENU

25. Variable dépendante : REVENU 1. Acceptons le modèle tel qu’il est.

2. Soupçonnons l’existence de colinéarité
Voulant expliquer le REVENU et sachant que la signification de 3. Devons mesurer la force de la relation entre la
l’ANOVA est de ( ,001) nous : MOTIVATION et l’AMBITION.
Modèle Coef standardisés t Sig.
Bêta 4. Devons mesurer la force de la relation entre
(Constante) 13,916 ,000 DIPLOME et JOURS CONGéS.
MOTIVATION ,022 ,678 ,503
3 DIPMOLE -,229 -6,568 ,000
JOURS CONGéS 1,109 11,766 ,000
AMBITION -,072 -,747 ,461

2
 Variance totale expliquée Nous pouvons retenir quatre (4)
Composante Valeurs propres initiales Extraction Sommes des carrés des facteurs retenus 1. Nous pouvons retenir (5)
2. Nous devons retenir (4)
Total % de la % cumulés Total % de la variance % cumulés
variance 3. Nous devons retenir (5)
4. Nous devons retenir (3)
1 7,745 51,634 51,634 7,745 51,634 51,634
5. Nous devons retenir (2)
2 2,795 18,635 70,270 2,795 18,635 70,270 6. Autre :
3 2,062 13,750 84,019 2,062 13,750 84,019

4 1,276 8,510 92,529 1,276 8,510 92,529

1. Est-ce que le niveau de motivation explique le rendement ? ANOVAa

Somme des Carré
………………………………………………………………………………..…………… Modèle carrés ddl moyen F Sig.
1 Régression 141071,479 1 141071,479 4,119 ,01b
…………………………………………………………………………..…………………
Résidu 1130332,807 33 34252,509
2. Calculez et interprétez le coefficient de détermination. Total 1271404,286 34
a. Variable dépendante : Rendement
Prédicteurs : (Constante), Motivation
……………………………………………………………………………….……………
……………………………………………………………………………………………
……………………………………………………..………………………..……………

3. Interprétez les grandeurs soulignées. Coefficientsa

……………………………………………………………………………..……………… Coefficients non Coefficients
standardisés standardisés
…………………………………………………………….………………………………
Erreur
……………………………………………..………………………………………………
Modèle B standard Bêta t Sig.
4. Écrire la fonction mathématique liant le rendement
1 (Constante) 483,333 33,894 14,260 ,000
et la motivation.
Motivation -,002 ,001 -,333 -2,029 ,051

…………………………………………………………………………….

5. Devons- nous accepter ou rejeter le modèle au seuil Coefficients

a

de confiance de 97% ? justifiez. Intervalle de confiance à

97,0% pour B
Borne Borne
…………………………………………………………………………………… Modèle inférieure supérieure
…………………………………………………………………………………… 1 (Constante) 406,460 560,206
Motivation -,004 ,000
6. Devons nous accepter ou rejeter le modèle au seuil a. Variable dépendante : Rendement

de confiance de 90% ? justifiez.

……………………………………………………………………………………
……………………………………………………………………………………

7. Interprétez le modèle. Coefficients

a

………………………………………………………………………………………….… Coefficients
standardisés
………………………………………………………………………………………….… Modèle B Bêta t Sig.
………………………………………………………………………………………….… 1 (Constante) 140,757 19,463 ,000
………………………………………………………………………………………….… recherche 13,084 ,811 31,645 ,000
……………………………………………………………………………………………. publicité -,124 -,012 -,470 ,639
a. Variable dépendante : CA

8. Interprétez le tableau récapitulatif sachant que la variable Récapitulatif des modèles

dépendante est le montant dépensé dans le point de vente.
Erreur standard de

Modèle R R-deux R-deux ajusté l'estimation

……………………………………………………………………………..……………… 2 ,504a ,254 ,253 82,46089
…………………………………………………….………………………………………
a. Prédicteurs : (Constante), SATISFACTION A L'EGARD DE LA
……………………………………………..……………………………………………… DECORATION
……………………………..………………………………………………………………

3
9. Analysez les résultats de l’AFE. Indice KMO et test de Bartlett
Indice de Kaiser-Meyer-Olkin pour la mesure de la ,738
…………………………………………………………………………….. qualité d'échantillonnage.
Test de sphéricité de Bartlett Khi-deux 375,529
……………………………………………………………………………..
approx.
……………………………………………………………………………. ddl 21
……………………………………………………………………………. Signification ,000
……………………………………………………………………………..
Variance totale expliquée
…………………………………………………………………………… Sommes extraites du carré
…………………………………………………………………………….. Valeurs propres initiales des chargements
%
……………………………………………………………………….……. Compos % de la cumul
…………………………………………………………………………… ante Total variance é Total % de la variance
1 6,832 97,598 97,598 6,832 96,598
……………………………………………………………………………..
2 1,113 1,619 .
……………………………………………………………………….…….
3 ,045 ,645 99,862

10. Interprétez la matrice des composantes et proposez des noms pour les deux axes factoriels.
.……………………………………………………………………………………………………………………………...………………………………………
………………………………………………………………………………………………………………...……………………………………………………
…………………………………………………………………………………………………...…………………………………………………………………
……………………………………………………………………………………...………………………..

Innovation .
Matrice des composantesa
Composante
1 2
Ratio de marge bénéficiaire ,981 -,171
Rentabilité financière ,996 ,026
Solvabilité ,961 ,253
Dépendance financière ,996 ,051
Capacité de remboursement ,996 -,020
Capacité d’endettement ,998 -,005
Taux d’utilisation des ,986 -,128
immobilisations
Innovation ,987 ,899

11. Voulant vérifier l’existence de relation entre l’identification de motivations d’achat (oblatives ou hédonistes) et les
décisions marketing nous avons opté pour le test d’association de khi-deux. Complétez et Interprétez les tableaux
obtenus.
Tests du khi-deux
Signification asymptotique
Valeur ddl (bilatérale) Sig. exacte (bilatérale) Sig. exacte (unilatérale)
khi-deux de Pearson 2,797a 1 …….
Correction pour continuitéb 2,062 1 ,151
………………………………………………………………………………………………………………………………………...…………………………
……………………………………………………………………………………………………………………………...………………

Mesures symétriques
…………………………………………………………………………..
Signification
………………………………………………………………………….. Valeur approximative
.…………………………………………………………………………. Nominal par Phi ..…… ,094
………………………………………………………………………..… Nominal
.……………………………………………………………………….… N d'observations valides 2797
…….…………………………………………………………………….