Académique Documents
Professionnel Documents
Culture Documents
Un marketer dispose de la répartition d’un échantillon de produits dans une grande surface au Maroc, selon
leur prix, dans le tableau ci-dessous :
Répartition des produits selon le prix
Prix en Dhs Effectif
[ 200 - 300 [ 95
[ 300 - 400 [ 120
[ 400 - 500 [ 100
[ 500 - 600 [ 50
[ 600 -700 [ 35
Source : département de marketing
∗ Pour les calculs intermédiaires, il faut prendre en considération quatre décimales après la virgule et
ceci pour les trois premières questions.
5. Supposant que le marketer a collecté d’autres données, qui concernent les quantités
consommées pour ces produits par des consommateurs. Il veut ainsi savoir s’il existe un lien
entre le prix et la quantité consommée. Dans ce cas il utilisera :
(A) l’analyse factorielle.
(B) les équations structurelles.
(C) la régression linéaire simple.
(D) la régression linéaire multiple.
Page
2
sur
4
10. En prenant en considération le contexte de sa recherche, le marketer a utilisé l’Analyse
Factorielle Exploratoire (AFE) pour vérifier la structure latente derrière le concept de la
satisfaction et si ses items représentent bien :
(A) un instrument de mesure qui peut être utilisé dans plusieurs contextes.
(B) un instrument de mesure fiable. L’AFE lui permettra aussi de vérifier le nombre de dimensions
du concept.
(C) un instrument de mesure valide. L’AFE lui permettra aussi de vérifier le nombre de dimensions
du concept.
(D) un instrument de mesure valide et fiable. L’AFE lui permettra aussi de vérifier le nombre de
références utilisées pour proposer ses items.
11. Avant de procéder à l’analyse factorielle et pour vérifier que la structure des données est
propice à ce type d’analyse, le marketer doit effectuer des tests préalables tel que :
(A) le test de l’analyse de la variance.
(B) le test de sphéricité de Bartlett, qui est soit significatif ou non significatif.
(C) le test de sphéricité de Bartlett, qui indique le niveau d’ajustement des items aux facteurs latents.
(D) le test de sphéricité de Bartlett, qui est exactement identique à la mesure de précision de
l’échantillonnage (MSA) de Kaiser-Meyer-Olkin (KMO).
Supposant que le marketer a collecté d’autres données pour analyser l’impact de plusieurs variables sur la
satisfaction du consommateur. Il obtient plusieurs tableaux, l’un d’entre eux est le tableau récapitulatif du
modèle de régression, comme illustré ci-dessous :
12. Combien de variables indépendantes (explicatives) a-t-il pris dans son modèle de recherche ?
(A) 1 variable et la taille de l’échantillon est de 184.
(B) 4 variables et la taille de l’échantillon est de 189.
(C) 5 variables et la taille de l’échantillon est de 189.
(D) 5 variables et la taille de l’échantillon est de 180.
13. Le marketer peut noter que la corrélation entre la satisfaction et les variables indépendantes
dans son modèle de recherche est de :
(A) 0.409 et elles expliquent (elle explique) 65.50% la satisfaction.
(B) 0.429 et elles expliquent (elle explique) 65.50% la satisfaction.
(C) 0.655 et elles expliquent (elle explique) 40.90% la satisfaction.
(D) 0.655 et elles expliquent (elle explique) 42.90% la satisfaction.
14. Le test de Fisher :
(A) est difficile à calculer.
(B) ne peut pas être déduit de ce tableau.
(C) est non significatif puisqu’il est supérieur au seuil de 0.05
(D) est significatif en prenant en considération le seuil de 0.05.
15. La valeur F de Fisher de 23.691 doit être comparée à une valeur déduite de la table de Fisher,
tel que :
(A) 1 est le degré de liberté au numérateur et 184 est le degré de liberté au dénominateur.
(B) 4 est le degré de liberté au numérateur et 184 est le degré de liberté au dénominateur.
(C) 4 est le degré de liberté au numérateur et 189 est le degré de liberté au dénominateur.
(D) 5 est le degré de liberté au numérateur et 180 est le degré de liberté au dénominateur.
Page
3
sur
4
Supposant que le marketer dispose d’autres données qui concernent les ventes semestrielles d’un produit
qu’il a choisi, en milliers de Dirhams, pendant les 3 dernières années. Le tableau ci-dessous représente la
répartition des ventes par semestre, ainsi que la moyenne et l’écart-type de chaque période.
Répartition des ventes par semestre
∗ Pour les calculs intermédiaires, il faut prendre en considération deux décimales après la virgule.
17. En analysant ces données, le marketer peut déduire que le modèle de décomposition de cette
chronique est un modèle :
(A) additif.
(B) parabolique.
(C) multiplicatif.
(D) de régression.
18. Afin d’analyser cette chronique et pour déterminer la tendance, il décide d’utiliser la méthode
des Moindres Carrés Ordinaires (MMCO). Il estime « a » et « b » dans l’équation de
régression yt = at + b et il trouve :
(A) a =59.36 ; b = 1490.57
(B) a =59.36 ; b = 1906.09
(C) a =49.52 ; b = 1525.01
(D) a =49.52 ; b = 1871.65
19. En supposant que le modèle est additif, et qu’il a observé une neutralité des variations
saisonnières et que les coefficients saisonniers des deux semestres sont respectivement :
S1 = - 467 et S2 = 467. La prévision des ventes de ce produit, en milliers de Dirhams, pour le
premier semestre de l’année 2017 est de :
(A) 1082.93
(B) 1557.81
(C) 2024.81
(D) 2491.81
20. En supposant que le modèle est multiplicatif, et qu’il a observé une neutralité des variations
saisonnières et que les coefficients saisonniers des deux semestres sont respectivement :
S1 = 0.72 et S2 = 1.28. La prévision des ventes de ce produit, en milliers de Dirhams, pour le
deuxième semestre de l’année 2018 est de :
(A) 2202.89
(B) 2204.17
(C) 2059.89
(D) 2819.70
Page
4
sur
4