PROGRAMME DE

STATISTIQUE

CHAPITRE 1 : LE RAPPEL

CHAPITRE 2 : LES PRÉVISIONS DE LA DEMANDE
CHAPITRE 3 : LES DÉCISIONS EN AVENIR INCERTAINS ET
PROBABILISABLES
CHAPITRE 4 : LE TABLEAU DE BORD ET DE GESTION.
 CHAPITRE 1 : RAPPEL

I- VOCABULAIRE STATISTIQUE

Les objectifs de la statistique descriptive sont de d’écrire,

synthétiser, comparer des données recueillis sur un phénomène donné au cours
des différentes périodes où en différent en droit et de la statistique de gestion ;
en plus de décision c’est donc un outil d’aide à la décision.
 La statistique : est l’ensemble des observations chiffrées sur un
phénomène, sur un fait. C’est aussi l’ensemble des méthodes utilisées
pour analyser les observateurs.
 La population : c’est l’ensemble des références sur lesquelles porte
une observation.
 L’échantillon : c’est un sous ensemble, une partie de la population
mère qui est choisie selon les critères Ou les méthodes.
 Un individu ou unité statistique : est un élément de l’ensemble de la
population.
 Un caractère ou variable : est l’aspect de la population qu’on étudie
(qualitatif ou quantitatif).
 Une modalité : c’est la valeur du caractère. Elle correspond aux valeurs
différentes que peut prendre le caractère.

Exemple :
Le nombre de contraventions des automobiles de la ville de douala au
mois de Décembre 2020 est recensé comme suit :

Nombre de Nombre
contraventions d’automobiles
0 8
1 24
2 12
3 60
4 80
5 16
 TAF :
1- Qu’elle est la population étudiée ?
2- Qu’elle est la caractéristique étudiée sur cette population ?
Qu’elle valeur où modalité peut prendre cette caractéristique ?
3- Est-ce un caractère quantitatif ou qualificatif ?
4- Quelle est la taille de cette population ?

Solution :
1- La population étudiée est l’automobile de la ville de douala
2- La caractéristique étudiée sur cette population est le nombre de
contraventions. La valeur où modalité que peut prendre cette caractéristique est
0, 1, 2, 3,4 Et 5.
3- C’est un caractère quantitatif
4- La taille de cette population est 200

II- LES REPRÉSENTATIONS GRAPHIQUES

Elles permettent d’avoir une vue de l’ensemble statistique
étudiée à la simple lecture, elles déterminent les caractéristiques de la
série étudiée. Il existe une multitude de graphique mais nous étudierons
les graphiques à coordonnées cartésiennes.
En général on a 2 types de variables : distraits ou discontinues et les
continues.

1- La distribution distraite
On aura ici :
 Le diagramme en bâton
 Le diagramme en escalier ou cumulatif .

a- Le diagramme en bâton
Exemple : le nombre d’enfant par ménage dans une ville donnée se présente
comme suit :
Nombre Nombre
 d’enfant de
ménages
0 890 000
1 1 000 000
2 1 149 000
3 254 000
TAF : présenter le diagramme en bâton
Solution :

254 000

1 149 000

1 000 000

890 000

0 1 2 3

b- Le diagramme en escalier
Cela se fait avec les effectifs cumulés croissants ou fréquences
cumulés croissantes.
 Nombres d’enfants Nombres de ménages Effectifs cumulés croissants
0 890 000 890 000
1 1 000 000 1 890 000
2 1 149 000 3 039 000
3 254 000 3 293 000
N= 3 293 000 ce nombre est pair P= 3 293 000/2. P= 1 646 500. Pour 0
enfant on a un effectif cumulé de 890 000 et pour 1 enfant on a 1 890 000 ; ce
qui signifie que la Pème et la P+1ème ont pour médiane 1.
Solution :

3 293 000

3 039 000

1 890 000

890 000

0 1 2 3 4

2- La distribution continue
a- L'histogramme
Il permet de représenter l’importance relative de chaque classe au
point de vue des effectifs ou des fréquences.

EXEMPLE : La répartition des médecins dans un département par tranche

d’honoraire en millier de francs se présente comme suit :
 Classe d’honoraire Nombre de médecins
[0-100] 8
[100-200] 4
[200-300] 5
[300-400] 6
[400-500] 5
[500-600] 22

SOLUTION :
25

20

15

22
10

5
8
6
5 5
4

0
100 200 300 400 500 600

b- Le polygone statistique
Lorsqu’on joint les milieux des côtés supérieurs des rectangles représentatifs de
l’histogramme on obtient le polygone statistique.
Remarque : il faut distinguer les distributions avec les classes d’amplitudes
égales et inégales
Amplitude (ai) = b-a
Lorsque les classes sont d’amplitudes inégales on a les densités (di)
Di effectif (ni)
Amplitude (ai)

Exemple : reprendre le cas ci-dessus et tracer le polygone des effectifs

Solution :

25

20

15

22
10

5
8
6
5 5
4

0
100 200 300 400 500 600

III- LES PARAMETRES DE POSITION ET DE DISPERSION

1- Les paramètres de position

Sont des valeurs qui permettent de globaliser de manière visuelle une

série statistique ils sont encore appelés « caractéristiques de tendance
centrale »

a- Le mode ou dominante
Il correspond à la modalité qui représente l’effectif ou la fréquence le
(la) plus élevé(e). En distribution on parle de la classe modale [500-600].
Pour l’application numéro 1 : le mode est 1.

Remarque : Si la classe est d’amplitude inégale le mode correspond à la classe

qui a la plus grande densité.

b- La médiane
 Elle est l’élément qui partage la série statistique en deux sous-
ensembles d’effectifs égaux à condition que la série soit place par ordre de
grandeur. On distinguera :
 Selon que la série statistique soit paire
12, 8, 0 , 15 , 7 ,9 ,8, 10. On classe d’abord par ordre croissant.
0, 7, 8, 8, 9, 10, 12, 15
8+9 = 8,
2
 Selon que la série statistique soit impair 14, 12, 8, 0, 15, 7, 9, 8, 10.
On classe par ordre croissant.
0, 7, 8, 8, 9, 10, 12, 14, 15. La médiane est égale à 9
P € N → 2P pour les nombres pairs
→2P + 1 pour les nombres impairs

 Règle de détermination de la médiane (Me)

 Si la Piéme et la P + 1éme observation de la série ont la
même modalité, alors il convient de considéré cette modalité
comme la médiane.
o Si la Piéme et la P + 1eme observation de la série non la
même modalité, alors il convient de prendre comme médiane
la P + 1eme modalité à sorti à cette valeur.

 Détermination par calcule de la médiane d’une série a variable

continue :
- Calculer les effectifs cumulés croissants ;
- Déterminer le rang de la médiane ;
- Déterminer la médiane par interpolation linéaire.
Application : Reprendre le cas de la répartition des médecins dans un
département par tranche d’honoraire.

Classe Nombre de Effective

d’honoraire médecins cumuler
croissant
[0-100] 8 8
[100-200] 4 12
[200-300] 5 17
[300-400] 6 23
[400-500] 5 28
 [500-600] 22 50

Rang = 50
2
Rang médiane = 25
Interpolation linéaire
23 <25 <28
400 < Me < 500
Me−400 25−23 Me−400 2 100× 2
=
500−400 28−23
→
100
= 5
→ Me – 400 = 5

Me = 440f
Conclusion : 50% des honoraires ne dépassent pas 440 000. 100 : 2 =
50%

c- Les quartiles
Ils représentent chacune des modalités partageant la série en quatre
groupes comprenant le même nombre d’observations.
Solution : déterminons les quartiles de l’application précédente
Calcul du 1er quartile
50
Rang : 2 =12‚5 → 12 <12.5 <17

200 <Q1 < 300

Q 1−200 12‚ 5−12 Q1−200 0 ‚5
300−200
= 17−12
→
100
= 5 → Q1 – 200 =
100× 0 ‚ 5
5

Q1 = 210f
Conclusion : 25% des médecins ont des honoraires inférieurs à 210 000f

Calcul du deuxième quartile : il correspond toujours à la médiane

Q2= 440
 Calcul du 3éme quartile
50× 3
Rang : 4
= 37.5

28<37.5<50
Q3−500 37 ‚5−28 Q3−500 9 ‚5 100× 9 ‚5
600−500
= 50−28
→
100
= 22 → Q3 – 500 = 22

Q3 = 543‚18
Conclusion : 75% des médecins ont des honoraires inférieurs à 543 180f

d- Les moyennes
n:
1 1
M =∑
❑
( nici ) → M= ❑ x 18700 → M= 374 000
i=1 N 50

IV −LESCARACTERISTIQUES DE DISPERSION

Les caractéristiques de valeur centrale renseignent sur la valeur

d’ensemble d’éléments mais ne donnent aucune indication sur la distribution
des caractéristiques à l’intérieur de la série. Il est nécessaire avant de faire
une analyse des résultats et traduire cette dispersion par un nombre.

1- L’étendu de la série
C’est la différence entre la valeur la plus grande et la valeur la plus
petite 600 à 3 600. Mais cet étendu ne rend pas compte de la dispersion parce
qu’elle dépend uniquement des valeurs extrêmes qui peuvent être des
accidentels.

2- L’écart inter quartile (IQ)= Q3 - Q1

Ce paramètre permet d’estimer la dispersion autour des valeurs
centrales. En effet ; 50% des observations ont leur valeur Située dans cette
intervalle
IQ = 543.18 – 210
50% des médecins ont leur honoraire comprise entre 543‚18 et 210.
 3- Variance et écart type
n ( 2)
¿ .ci
V(x) = x 2- x 2 V ( x ) =∑
i=1 N

σ = √ V (x)

Devoir : les tranches d’âges des salariés d’une entreprise sont les suivantes :
Âges Nombre de
salariés
[20 -25] 3
[25-30] 9
[30-35] 12
[35-40] 12
[40-45] 6
[45-50] 3
[50-55] 1
[55-60] 1
TOTAL 47
 CHAPITRE 2 : LES PREVISIONS DE
LA DEMANDE

I- L’AJUSTEMENT LINEAIRE

L’ajustement linéaire permet de mettre en évidence entre la

variable étudiée et une autre variable existence d’une possible relation (dite
variable explicative) qui peut être le temps ou un autre phénomène à partir de
cette relation ; l’entreprise pourra effectuer des prévisions sur la variable
étudiée. S’il n’existe aucun lien entre les deux variables ; elles sont dites
indépendantes dans le cas contraire elles sont dites dépendantes.
La représentation graphique des valeurs de ces deux variables est
appelée nuage de points. Un ajustement linéaire dans tous les cas prend cette
forme :
Y = ax + b
Y= le caractère étudiée
a = le coefficient directeur de la droite
x = la variable explicative
b = l’ordonnée à l’origine

1- Ajustement linéaire par la méthode de Mayer

Confère application

2- Ajustement linéaire par la méthode des moindres carrées ordinaires

a- Ajustement de Y en fonction de X
COV (x ; y )
a= V (x )

COV(x; y) = XY – ( X ¿ ¿. (Y )
V(x) = E ( x 2 ¿ – (E ( x ¿ ¿ 2)
 2 ❑
xi xi
E ( x 2 ¿=∑ → E(x) =∑ n
n

yi❑
Y =∑
n

❑
xi. yi
XY = ∑
n
Y =a ¿ + b b = Y −a ¿

b−ajustement de X en fonction de Y

X = a’.y + b’
COV ( x ; y )
a’ = V ( y)

COV(x; y) = XY – ( X ¿ ¿. (Y )
V(x) = E ( y 2 ¿ – (E ( y ¿ ¿2)

2 yi 2 yi❑
E ( y ¿=∑ → E(y) =∑ n
n

yi❑
Y =∑
n

xi. yi❑
XY = ∑
n

X =a ' ¿ + b’ b’ = X −a ¿
 II−LA CORRELATION LINEAIRE

Elle établit le niveau de lien qu’il y’a entre les variables étudiées.

COV ( x ; y )
r= √ a . a ' OU r=
σx . σy

r est toujours compris entre -1 et 1. Le lien est significatif entre x et y :

- Si r ≥ 0.85 (+)
- Si r ≤ 0.85 (-)
Coefficient de détermination (d) = r 2
Application :
Le tourisme en europe en 2019/N est résumé par le tableau suivant :
Pays Nombre total des pays Recettes totales (en dizaine de
arrivants million)
Allemagne 4‚9 45
Espagne 4‚1 7
France 5‚5 40
Italie 8‚6 50
suisse 4‚6 25
TAF :
1- Présenter le nuage des points et indiquer si l’ajustement linéaire est
vraisemblable ;
2- Établir les équations des droites de y en fonction de x et x en fonction de
y ;
3- Calculer le coefficient de corrélation r entre x et y ;
4- Estimer les recettes totales pour un pays qui accueille 5‚2 millions de
touristes ;
5- Estimer le nombre de touristes accueillis par un pays qui a réalisé 370
millions de recettes globales

SOUTION :
1- Le nuage des points
 Valeur des Y
60

50

40

30

20

10

0
3 4 5 6 7 8 9

2- Les droites des équations

Pays X Y XY X
2
Y
2

Allemagne 4‚9 45 220‚5 24‚01 2 025

Espagne 4‚1 7 28‚7 16‚81 49
France 5‚5 40 220 30‚25 1 600
Italie 8‚6 50 430 73‚96 2 800
Suisse 4‚6 25 115 29‚16 625
Total 27‚7 167 1 014‚2 166‚63 67‚99
Moyenne 5‚54 33‚4 202‚84 33‚326 1 359‚8

o Equation de X en fonction de Y
COV (x ; y )
Y = a(x) + b avec a= V (x )

COV(x; y) = XY – ( X ¿ ¿. (Y ) → COV(x; y) = 202‚84 – (5‚54). (33‚4)

→ COV(x; y) = 17‚804

V(x) = 33 ‚ 326−(5 ‚ 54)2 → V(x) = 2‚6344

17 ‚ 804
a = 2‚6344 → a = 6‚75

b = Y −a ¿ → b = 3‚34 – (6‚75). (5‚54) → b = -3‚995

 Y = 6‚75¿ - 3‚995

o Equation de X en function de Y
COV ( x ; y )
X = a’.y + b’ avec a’ = et b’ = X −a ¿
V ( y)

COV(x; y) = XY – ( X ¿ ¿. (Y ) → COV(x; y) = 202‚84 – (5‚54). (33‚4)

→ COV(x; y) = 17‚804
V(y) = 1 359‚8 − (33 ‚ 4 )2 → V(y) = 244‚ 24
17 ‚804
a’ = 244 ‚ 24 → a’ = 0‚072 895 512

b’ = 5‚54 − 0‚072 895 512(33 ‚4 ¿ → b’ = 3‚105 289 879

X =¿0‚072 895 512¿

3- Calcul du coefficient de corrélation linéaire entre x et y

r= √ a . a ' → r = √ 6 ‚ 75 x 0 ‚072 895512 → r = 0‚7014 ce
qui traduit une faible corrélation

4- Estimons les recettes totales pour 5‚2 millions de touristes

Y = 6 ‚ 75 ¿5‚2) − 3‚995 → Y = 35‚1 − 3‚995 → Y = 31‚105

5- Estimons le nombre de touristes réalisant 370 millions de recettes

globales
X = a’.y + b’ → X =¿0‚072 895 512(370)+3 ‚ 105289 879 → X=
30‚07 Touristes

Exercice 2 : On donne le tableau à double entrée suivant relatif à la série double
suivante : machines de même nature utilisées par les industriels de taille
moyenne dans la ville de douala ; classés en pourcentage sous les deux
caractères suivants :puissance de la machine en terme d’exécution et durée
moyenne d’utilisation en année.
X désigne la puissance de la machine en terme d’exécution t Y désigne la durée
de vie moyenne

Xi 2 3 4
TOTAL
YI
20 0 8 30 38
25 5 20 7 32
30 25 3 2 30
TOTAL 30 31 39 100
T.A.F :
1- présenter le nuage des points ;
2- Equation des droites de régressions de Y en fonction de X puis
de X en fonction de Y ;
3- Calculer le coefficient de corrélation linéaire et en déduire le
coefficient d’amélioration;
SOLUTION :
1- Nuage des points
40

30

20

10

0
0 1 2 3 4 5 6

2- Equations des droites de régression

( 2 x 30 ) + ( 4 x 39 ) + ( 3 x 31 ) 60+156+93
X = → X = →
100 100
X =3 ‚09
 ( 20 x 38 ) + ( 25 x 32 ) +( 30 x 30) 760+800+900
Y = → Y = →
100 100
Y =24 ‚ 6

XY =
( 20 x 0 x 2 ) + ( 4 x 30 x 20 )+ ( 3 x 20 x 8 ) + ( 2 x 25 x 30 )+ ( 4 x 7 x 25 ) + ( 3 x 20 x 25 )+ ( 2 x 25 x 30 )+ ( 4 x 2 x 30 ) +(3 x 3 x 30
100

XY = 73‚4

o «équation de Y en fonction de X
(2 ) ( 2)
n (2 ) ( 2 ) +31 x(3) +39 x(4)
¿ . xi 30 x (2)
X =∑ → → X 2 =10‚ 23
2 2
X =¿
i=1 N 100

(2 ) ( 2)
n ( 2) ( 2 ) +32 x ( 25 ) + 30 x ( 30 )
¿ . xi 38 x ( 20 )
Y =∑ → → Y 2=622
2 2
Y =¿
i =1 N 100
COV ( x ; y )
a=¿
V (x)
COV(x; y) = XY – ( X ¿ ¿. (Y )

COV(x; y) = 73‚4 −¿) x (24 ‚6 ) → COV(x; y) = −2‚614

V(x) = 10‚23 −(3 ‚ 09)2 → V(x) = 0‚6 819
−2‚614
a=¿
0 ‚ 6 819
→ a = −3‚83

b = 24 ‚ 6−¿-3‚83x3 ‚ 09 ¿ → b = 36‚44

Y = −3‚83(x) + 36‚44

o Equations de X en fonction de Y
V(y) = 622 − (24 ‚ 6)2 → V(y) = 16‚84
−2‚614
a '=¿
16 ‚ 84
→ a’ = −0‚15

b’ = 3 ‚ 09−¿−0‚15) x (24 ‚ 6 ¿ → b’ = 6‚78

 X = −0‚15 ( y ¿ ¿ + 6‚78

3- Calcul de la corrélation linéaire

r = √−3 ‚ 83 x−0 ‚ 15 → r = 0‚757
Coefficient d’amélioration = 1− √ 1−r 2
coeff amélioration = 1− √1−(0 ‚ 757)2

Coeff d’amélioration = 0‚347

SI C¿0‚5 il n’existe aucune corrélation entre les variables étudiées
SI C¿0‚5 il existe une corrélation entre les variables étudiées

IV- LES SERIES CHRONOLOGIQUES

On parle de celles-ci lorsqu’une série statistique est étudiée en fonction
du temps.
La périodicité correspond à la séquence d’observation du phénomène
sur une durée déterminée. Selon le phénomène‚ les observations sont
quotidiennes ; hebdomadaires.

A- COMPOSANTES DES SERIES CHRONOLOGIQUES

On a quatre composantes :
- Le Trend ou tendance T composante de longue période ;
- La saisonnière S de courte période ;
- La cyclique ou conjoncturelle C ;
- La résiduelle aléatoire A
Chaque composante‚ peut faire l’objet d’une analyse en vue de réaliser un projet
économique. L’étude se limite à celles de deux composantes essentielles qui
sont T et S à partir de là‚ on peut avoir une série selon le model additif et
multiplicatif.

1- Analyse de la tendance T ou Trend

Elle peut se faire de plusieurs façons :

a- Les méthodes des Moyennes Mobiles

Soit la série statistique de valeur Yt prise par la variable observée sur N période.
On appelle la variable Moyenne Mobile (MM) sur K période la série de valeur
Mt calculée comme suit :
Yt−P+ …+Yt + P
- Si K est pair on aura : Mt = K

Yt−P Yt + P
- Si K est impair on aura : Mt = 2
+…+Y1+ 2

b- La méthode Mayer
Confère application.

c- La méthode des moindres carrées ordinaires

Confère application et exercice 2.

2- Analyse de la composante saisonnière

Elle a pour objet de déterminer la variation des valeurs et de la variable
d’une période à une autre (de mois en mois) pour cela on calcul les indices ou
coefficients saisonniers attachés à une période.

a- Cas d’un model additif

Après avoir déterminé la tendance T on obtient la tendance saisonnière
St = Yt – Tt. Où Tt correspond aux moyennes mobiles soit aux valeurs ajustées
de la variable T = at + b :
- Les résultats précédents St sont récapitulés dans un tableau
par période
- Le coefficient associé à une période est la moyenne
arithmétique des St correspondants. La somme des St dans
 un model additif est nulle ‚ il est donc nécessaire de les
ajuster pour rendre leur somme nulle.

b- Cas d’un model multiplicatif

La méthode habituellement utilisées pour déterminer les coefficients saisonniers
est celle des rapports à la tendance :
- Il faut calculer les Tt grâce à l’équation de la droite
d’ajustement mise en évidence plus haut (moindres carrées)
ou bien utilisées les moyennes mobiles ;
valeurs observées Yt
- Il faut calculer les rapports ( ) ;
valeurs ajustées Tt
- Les rapports sont classés dans un tableau récapitulatif par
période ;
- Le coefficient associé à une période est la moyenne
arithmétique des rapports correspondants ;
- La somme des coefficients doit être égal à 4 si le coefficient
est trimestriel et 12 si le coefficient est mensuel…
- Le coefficient saisonnier C retenu pour chaque période est
donc une moyenne corrigée.

V- DESAISONNALISATION DE LA VARIABLE TEMPORELLE

VI-
Il s’agit‚ d’éliminer l’influence saisonnière pour ne garder que la tendance réelle
pour chaque période. On calcul alors la valeur désaisonnalisée de la variable
appelée valeur CVS corrigée des valeurs saisonnières.

A- CALCUL DU MODEL ADDITIF

Valeur désaisonnalisée = Yt – CS de la période

B- CAS DU MODEL MULTIPLICATIF

valeur observéé (Yt)
Valeur désaisonnalisée =
CS de la période
 VII- LES PREVISIONS

L’intérêt de l’analyse de la série chronologique est de mettre en évidence la

saisonnalité de la variable ou valeur de façon à réaliser des prévisions plus
justes. Pour les périodes avenirs on calcul :
- Les valeurs de la variable en utilisant l’équation T de la
tendance on obtient alors Tt = at + b. il suffit ensuite d’y
appliquer le CS de la période désirée.

A- CAS D’UN MODEL ADDITIF

Yt = Tt + C

B- CAS D’UN MODEL MULTIPLICATIF

Yt = Tt x C

VIII- LE LISSAGE EXPONENTIEL

Cette méthode de prévision calcul en effet une moyenne des observations

passées ; mais en les pondérant. Les observations ont un poids décroissants en
fonction de leurs anciennetés.
Ainsi‚ la prévision des ventes est calculée selon la formule suivante :
Yt = αYt −1+ (1−α ) Xt −1
Xt −1 : prévision de la période t −1

Yt−1 : Ventes réelles de la période t-1

Yt : les prévisions ventes de la période

α : est un coefficient de correlation compris entre 0 et 1.il est souvent donné

Exemple : Les statistiques de ventes d’un produit pendant le 1er semestre de

l’exercice N se présente comme suit :
Mois 1 2 3 4 5 6
VENTES 570 550 560 370 560 565
TAF : faire les prévisions de vente par la méthode de lissage exponentiel
avec α =0 ‚ 8
 SOLUTION :
Mois 1 2 3 4 5 6 7
VENTES 570 550 560 370 560 565 -
αYt (0 ‚ 8 Yt −1) - 0 ‚ 8 x 570 0 ‚ 8 x 550 0 ‚ 8 x 560 0 ‚ 8 x 370 0‚8×560 0 ‚ 8 x 565
( 1−α ) X−1 - 0 ‚ 2 x 570 0 ‚2 x 550 0 ‚ 2 x 560 0 ‚ 2 x 370 0‚2×560 0 ‚ 2 x 565
0‚2x Xt-1
VALEURS 570 570 554 558‚8 407‚7 529‚552 553‚9
104

CHAPITRE 3 : DECISION EN

INCERTAINTITUDE ABSOLUE

I- LES CARACTERISTIQUES DE L’INCERTITUDE ABSOLUE

L’incertitude absolue est une situation dans laquelle : Il est possible de

recenser tous les évènements Ei susceptibles d’affecter tous les Cash-Flows
(ensembles des recettes Nettes issues d’un investissement) dans la littérature
économique Ei sont appelés état de la nature.
Il est possible d’évaluer le projet d’investissement considéré dans le cadre de
chacun des éléments recensés (par le calcul des VAN) mais il est impossible de
déterminer la probabilité de chaque Ei.

Dans une situation d’incertitude absolue, le problème à résoudre consiste à

déterminer parmi un ensemble de projet d’investissement, celui qui doit être
retenue ou celui qui doit établir un placement de ce projet.

I- LES CRITERES DE CHOIX

Ils sont adaptés à diverse aptitudes du décideur face aux risques possible.

Exemple : On doit choisir le meilleur des trois projets d’investissement i1, i2,
et i3 pour lesquelles les VAN ont étés calculées en fonctions des trois
événements E1, E2, et E3 susceptible de se produire et dont dépendent les Cash-
Flows.

Les Résultats sont donnés dans le tableau ci-dessous.

Ei E1 E2 E3
I1 60 0 −90
I2 120 −60 0
I3 −15 90 30

1- Critère de LA PLACE

Le critère n’est autre que celui de l’espérance mathématique des VAN calculée
dans l’hypothèse discutable de l’équiprobabilité.
 1 1 1
I1 = E(VAN x i1) → i1= 3 (60) + 3 (0) + 3 (-90)

→ i1 = -10

1 1 1
I2 = E(VAN x i2) → i2= 3 (120) + 3 (-60) + 3 (0)
1 1
→ i2 = 20 I3 = E(VAN x i3) → i3= 3 (-15) + 3
1
(90) + 3 (30) → i3 = 35

Conclusion: le choix c’est i3 à cause de son espérance qui est supérieur aux
autres.

2- Critère du maxi mine ou le maximum des minimums ou WALD

C’est le critère du décideur prudent avers (qui n’aime pas le risque qui
privilégie la sécurité. Il consiste a prendre la VAN minimum de chaque
investissement et a retenir celui donc la VAN est la plus élevée.

Reprendre l’application précédente.

Solution :

I1 = -90

I2 = -60

I3 = -15 dans ce cas nous allons retenir i3 comme meilleur choix

3- Critère de MAXIMAX

Critère du décideur optimiste non averse au risque, qui privilégie le gain au

détriment de la sécurité.

Il consiste à retenir l’investissement dont la VAN est la plus élevée

 Solution

I1 = 60 C’est I2 qui est le meilleur choix.

I2 = 120

I3 = 90

Il est adapté aux décideurs relativement prudents. Il tempère le

pessimisme du maxi mine. Sa mise en œuvre nécessite au préalable
l’élaboration de la matrice des regrets celle-ci résulte des raisonnements
suivants :

Supposons que E1 se réalise ; le meilleur investissement est alors I2

et si I2 a été choisi on n’a pas de regret.

Ei E1 E2 E3
I1 120 – 60 = 60 90 – 0 = 90 120
I2 120 – 120 = 0 90 + 60 = 150 30
I3 120 − (− 15 = 90 – 90 = 0 0
135)

On relève ensuite le regret maximum correspondant ainsi à chaque

investissement et on choisit le regret maximum qui est le plus faible.
I1 = 120
I2 = 150
I3 = 135