Académique Documents
Professionnel Documents
Culture Documents
Statistique I Cours
Statistique I Cours
TOUIJAR 02/10/2013
Elément :
STATISTIQUE
3 4
statistique descriptive. 5 6
1
D.TOUIJAR 02/10/2013
Domaines d’application
Actuellement, la Statistique est considérée
comme l’un des meilleurs outils de la recherche
• PARTIE 1 : SERIES SIMPLES
scientifique. En effet, on fait appel aux méthodes – Chapitre 1 : Tableaux statistiques et
statistiques dans presque tous les secteurs de représentations graphiques
l’activité humaine :
Agronomie, astronomie, balistique, biologie, – Chapitre 2 : Les paramètres de tendance centrale
démographie, Économie, épidémiologie,
gestion, médecine, météorologie, physique, – Chapitre 3 : Les paramètres de dispersion et de
Concentration
psychologie, sciences politiques ... ,etc.
7 8
BIBLIOGRAPHIE
&
' ( $
• PARTIE 3 : LES INDICES ) " *
+
– Les Indices élémentaires et synthétiques
!,(
.
9
" - 10
• I) DEFINITIONS :
• Définition 1: La population est un
PARTIE 1
ensemble d'objets ou de personnes
SERIES SIMPLES
sur lesquelles porte une étude.
•
CHAPITRE 1 : • -La population du Maroc à la date du
Tableaux statistiques et représentations recensement de 2004.
graphiques • -L’ensemble des sociétés SARL à Fès en
2013.
12
2
D.TOUIJAR 02/10/2013
13 14
• Un caractère qualitatif peut être soit : • Les variables statistiques discrètes (notées: v.s.d.) :
se sont des variables dont l'ensemble des
– Ordinal : si ses modalités peuvent être
modalités est un ensemble discret (la variable ne
naturellement ordonnées exemple : satisfaction
peut prendre que des valeurs isolées d'un
plus ou moins grande après l’achat d’un produit. intervalle).
– Nominal : si ses modalités ne peuvent être –Exemple : Pour le nombre d'enfants par
naturellement ordonnées exemple : état ménage l’ensemble des modalités peut être
matrimoniale. {0, 1, 2, 3, 4}.
• Les variables statistiques continues (v.s.c.) : dans
• On appelle variable statistique, un caractère ce cas, l'ensemble des modalités est continue; la
quantitatif.
variable peut prendre toutes les valeurs d'un
intervalle.
– On distingue deux sortes de variables statistiques:
–Exemple : Salaire, âge, taille, poids …etc.
15 16
3
D.TOUIJAR 02/10/2013
• Remarque : 4+2+3+3+3+1+2+1+1=20
19 20
∑ ni = n • En %:
i =1 k
f i % = f i × 100 ⇒ ∑ f i % = 100
i =1
21 22
•Exemple : •Remarque :
n1 4 n –En terme de fréquence, la distribution de X , s’écrit
f1 = = = 0,20 et f 6 = 6 = 0,05 aussi :
n 20 n
•Commentaire : La proportion des machines ayant
{(x1, f1 ), (x2 , f2 ),…, (xk , fk )}
produit 3 pièces défectueuses est de 20%; et celle
des machines ayant produit 10 pièces défectueuses : La distribution des défectuosités des 20
est de 5%. machines est : {( ) ( ) ( )
03 ; 4 , 5 ; 2 , 7 ; 3 ,
• : (8 ; 3), (9 ; 3), (10 ; 1), (14 ; 2), (16 ; 1), (33 ; 1)}
X
{(x1, n1 ), (x2 , n2 ),…, (xk , nk )} {(3 ; 0,20), (5 ; 0,10), (7 ; 0,15), (8 ; 0,15)…}
Ou
23 24
4
D.TOUIJAR 02/10/2013
– ( 8 4 $"! $ 6$ 9 1 4 !4
"(( 3
Date de naissance
Nombre
Prénom Nom Jour Mois Année d'enfants Revenu Ville Opinion
(" ! ! 5 !!4 ! ! 5 8
9
Rita
Andrée
Mena
Lamiral
5
22
5
6
1953
1953
3
3
45000
80000
Paris
Nancy
Moyenne
Passable
!"(6 / !0 ! 5 ! !! $ (4! 7 5 10 Pauline Zatti 20 7 1953 4 50000 Nice Moyenne
$$ ! $ 5 " ! "! $ $ 4 / ! " 11 Zoé Foret 9 9 1953 2 60000 Nice Passable
"!!4 "! ! ! ! 0 (( 17
18
Noelle
Rachel
Gant
Nol
5
22
11
2
1953
1953
3
3
120000
80000
Nice
Paris
Mauvaise
Moyenne
19 Sabine Eboum 20 10 1953 4 18000 Paris Très bonne
25 26
20 Jeanne Rivière 9 12 1953 5 90000 Marseille Passable
Dans cette 1ère Partie, on ne considérera qu’un seul caractère • Sa représentation par tableau est alors comme suit :
à la fois.
Représentation de la distribution d’un Modalité Effectif Fréquence
caractère X par un Tableau xi ni fi
x1 n1 f1
1) Cas d’un caractère qualitatif : x2 n2 f2
– Soit $ 6 "! : ! 2 ⋮ ⋮ ⋮
xi ni fi
$ 0 X 4 4 ! " $ "!
⋮ ⋮ ⋮
n ! : xk nk fk
• Exemple : On reprend les 20 femmes selon • Le Tableau statistique est comme suit :
l’opinion «caractère ordinal » :
• Ma, Tb, Ma, Ma, Mo, Mo, Bo, Mo, Pa, Mo, Pa, Bo,
Bo, Mo, Bo, Pa, Ma, Mo, Tb, Pa. 4 0,2
4 0,2
• Une fois classées : Ma, Ma, Ma, Ma, Pa, Pa, Pa, Pa,
Mo, Mo, Mo, Mo, Mo, Mo, Bo, Bo, Bo, Bo, Tb, Tb.
6 0,3
• On a donc 5 modalités (k=5 ). 4 0,2
• La distribution s’écrit : 2 0,1
{(Ma ; 4), (Pa ; 4), (Mo ; 6), (Bo ; 4), (Tb ; 2) } n=20 1
29 30
5
D.TOUIJAR 02/10/2013
–Soit X $ 2 4 7! $ !"(6
– 6 "! $" 3
" # ! 4
" # N 4 = n1 + n2 + n3 +n4 = ∑ n j = 15
j =1
$ % !$
! ;+ 0 (( "! $ x4 <=
*) Effectifs et fréquences cumulés croissants:
!0 !
– " Ni $ ième 00 0 ( $4 " !
! ! $:47 $ 4 . n=205 "!
" 4 # xi "6 ! $ $ % !$ #
i 4
N i = n1 + n2 +⋯+ni = ∑ n j F4 = f1 + f 2 + f 3 + f 4 = ∑ f j = 75%
j =1
j =1
Ni $ !"(6 :! 4 ! !
! >+? 0 (( "! $
$ $ (" $ 4 xi x4 <= !0 !
33 34
6
D.TOUIJAR 02/10/2013
! ! $:47 $ 4 . 5 "!
"6 ! $ $ % !$
$ #
6
F3 = f 3 + f 4 + f 5 + f 6 = ∑ f j = 80%
j =3
• : ! # 8 9
$ ; (4! 7 8 " +?9 "! • ! $ : ! 5 $ (" $ 4
%# ; !0 ! "! 7 " 4 ! $ " $
$ (4! 7 8 " B+?9 "! !"(6 $ 3
&! !0 ! • [e0 , e1[ ; [e1 , e2[ ; ... ; [ei-1 , ei[ ; ... ; [ek-1 , ek[
… …
• 3 k i −1
1ère 2ème ième kème
• Fi = f i + f i +1 +⋯+ f k = ∑ f j − ∑ f j • " $ $ 5 "! !" 3
j =1 j =1 • ai = ei – ei-1 l’amplitude de cette classe.
=1
ei −1 + ei
= 1 − Fi −1 • xi = le centre de cette classe.
39 2 40
7
D.TOUIJAR 02/10/2013
0,3
1) Cas du caractère qualitatif : 30%
0 4 ! 9 (" $ 4 " 4 45 46
α5
20%
$: !7$ ! 5 4 0 !3
0,1
α=
10%
0%
Ma Pa Mo Bo Tb Or
K K
02/10/2013
47
∑ α i = c∑ f i ⇒ 360° = c ×1 ⇒ c = 360°
i =1 i =1
48
8
D.TOUIJAR 02/10/2013
Tb
10%
α Bo
36° Ma
Pa
20%
Ma 20 72 72° Mo
Pa 20 72 Pa
20%
Bo
Mo 30 108 108° Tb
Mo
Bo 20 72 30%
Tb 10 36
Total 100 360 49 50
51 52
% 0 (( 4
3
2
1
0
-1 0 1 2 3 4 5
53 54
9
D.TOUIJAR 02/10/2013
–Remarques :
–
– $" ⋯
–Définition : – ≤ < alors .
F( x), & x R –Conclusion :
' F(x)=Fi pour tout tel que ≤ <
X % x.
$ % & F(x)
•Notation : ! '
F (x ) = P( X ≤ x )
( )
& * F(x)
55
& 56
- %&! ! ! $ % 0 ((
–B) Les V.S.C. +
F(x) Courbe Cumulative dans le cas % &
d'une v.s.d
100
90
–
75
–C , $ 5 "! " ! !7$
"! $ 6 47 $ # $: ( $ $
45
$ "! $ , $$ "
0 8Si = b i @ hi9 "
20 " " "!! $$ # $ 0 4 ! $
5 $ - @ " "! "
0 0
0 1 2 3 4 5 x
59 !7$ 0" ( ! ! , "7 (( 60
10
D.TOUIJAR 02/10/2013
" 4 # 3 - %&! ! ! $ % 0 ((
– " $ $ "! (1( ( $ " $ $ "! (1( ( $
8ai = cte = a D i=1,...,k9 $" (ou ni). "! 6 "! " 7 $ 0 4 !
– (" ! ! $ ! ( $
004 ! 3 ! "! !"
," ! ( $ 404 ! 8
[0 ; 35[ 35 0,30
@ ( $ $ $ " $ $ 4 ! 9
5 "! " 7 $ 0 4 ! [35 ; 70[ 35 0,45
$ 004 ! !$ ! [70 ; 105[ 35 0,20
$: ( $ " 4
!( $ $ ! [105 ; 140[ 35 0,05
fi
hi = f i′ = × ar Total ar=35 1
ai 61 62
0,8
!" " #
0,7
[0 ; 35[ 0,30 35 1 0,30
0,6
0,3
[70 ; 140[ 0,25 70 2 0,13
0,2 Total 1 ar=35 --- --
0,1
0 (3 # : $$ densité de fréquence
35 70 105 140 63 X
(sans pourcentage) 64
11
D.TOUIJAR 02/10/2013
$
Répartition des femmes selon –
0,5
le revenu en 1000€
0,45
0,25
[ei-1 , ei[ Fi $ 0 4 ! ( $4
0,2
(1( $ ! !"
Fi = P( X ≤ ei )
0,15
0,1
0,05
0
-35 0 35 70 105 140 67 X 68
175
- %&! ! ! $ % 0 ((
Répartition des femmes selon le
F(x)
revenu en 1000€
100
90
Classes fi % Fi% 80
70
[0 ; 35[ 30 30 60
[35 ; 70[ 45 75 50
40
0
69 00 35 70 105 140 X70
• ' % + &
!& '
& ,
'
%
• •- & +
71 72
12
D.TOUIJAR 02/10/2013
) / 0 11 • E5 n $ $$ $ " $ "!5 $
xi "! $ modalités ! $ / !
•(1) La moyenne arithmétique $ centres $ ! $
/ !
•(a) $ + & x
' .
{(xi , ni )1≤i≤k }
• - %&! * ! ! $: @ ( $
k k % 0 (( $"! $ !6 : !0 !
1
x =
n
∑ ni xi = ∑ f i xi
i =1 i =1
73 74
1 6 53
xi ni ni xi fi fi xi x= ∑
n i =1
ni x i =
20
= 2,65
0 1 0 0,05 0 6
1 3 03 0,15 0,15 ou x = ∑ f i xi = 2,65
i =1
2 5 10 0,25 0,50
- %&! " $ ! 0 ((
3 6 18 0,30 0,90
4 3 12 0,15 0,60
1 3 3
5 2 10 0,10 0,50 x = ∑ ni xi = ∑ f i xi = 55125 €
Total 20 53 1 2,65 n i =1 i =1
75 76
Classes fi xi fi xi (b)
13
D.TOUIJAR 02/10/2013
4("! "! •8 9
k k
y = ∑ f i yi = ∑ f i (axi + b ) • i) $ (" !! 4 # $ (" !!
i =1 i =1 ,(4 ! $$ :
k
∑ f i (x i − x ) = 0
k k
= a ∑ f i xi + b∑ f i = ax + b
i =1
i =1 i =1
x 1 • (" !! 4 4 #
! "! ! (!( $ " x
k k
min ∑ f i ( x i − a )2 = ∑ f i ( x i − x )2
79 a∈R i =1 i =1
80
$%# #
k k (d)
∑ (x i −a) = ∑ ( x ) + (x − a )
2
−x
2
f i f i i
i =1 i =1
k k • Soit une population P de taille n, composée
= ∑ (x i −x ) + ∑ (x −a)
2 2
f f
i =1
i
i =1
i
de m sous populations P1, P2, . . . , Pm ; de
k
tailles respectives n1, n2, . . .nm et de
+ 2∑ f i (x i −x )( x −a)
i =1 moyennes respectives x 1 , x 2 ,.... x m . Alors
k k
= ∑ f i (x i −x )
2
+ (x − a )
2
∑ f i
la moyenne arithmétique x de la population
i =1 i =1
=1
P est donnée par :
m
+ 2 (x − a ) ∑ f
k
(x i ) 1
∑
−x
i =1
i
x= ni x i
k
=0
n i =1
∑ (x i ) + (x − a )
2 2
= f i −x
81 82
i =1
$ (" ! 04( ! ! f1 + f 2 = 1 f + f2 = 1
=%%% ' ⇔ 1
f1 x1 + f 2 x2 = x 4200 f1 + 3000 f 2 = 4000
; F $$ $ 4 "! ,"(( .
0 (( G 83
⇒ f1 = 83,3% et f 2 =16,7% 84
14
D.TOUIJAR 02/10/2013
: $ : $ $ $"7 ,(
) / 0 11
• (2) La moyenne géométrique
n1
[ 1
∗ L og (G ) = L og x1 × x 2 n2 × ⋯ × x k n k n ]
! + %
1
n
([
= L og x1n1 × x 2 n2 × ⋯ × x k n k ])
{(xi , ni )1≤i≤k } ' 1 k
= L og ∏ x i ni
[ ]
/ xi
ni
n
i =1
∏(x ) = ( )
k 1 k
G= n
i
ni n
x ×x2 ×⋯×xk
1
n1 n2 nk = ∑ L og xi ni
n i =1
i=1 k
1 k k
où n = ∑ni
85
= ∑ ni L og (xi ) =
n i =1
∑ f i L og ( xi )
86
i=1 i =1
) / 0 11 • @ ( $ 3 $ $"! $ (" !!
•(3) La moyenne harmonique , ("!
•
4
• $
: + H= = 3,625
1 1 1
& 0 ' 2× + +
2 12 50
{(xi , ni )1≤i≤k } ' +
1
& , ni
n 1 xi 1≤i≤k
H = k
= k k
1 fi
∑ ni xi
∑ xi
où n = ∑ni
i =1 i =1
89 90
i=1
15
D.TOUIJAR 02/10/2013
) / 0 11
• Domaines d’application :
• (4) La moyenne quadratique
• ! $ (" !! ! $
$ $ 4 (" !! 5 ! • : $ +
$ $ $ (" !! " 1 '
" ! 7 ! $
{(xi , ni )1≤i≤k } +
{(x ) }
4 " " : , 8!
& 2
H 9 i , ni 1≤ i ≤ k
1 k k
Q= ∑ ni xi = ∑f x
2 2
i i
91 n i=1 i =1 92
• @ ( $ 3 $ $"! $ (" !!
#% 2 &&! #
•
•
• (" !! ! !
! $ $ $ ! Q=
1
(2× 4 +144 + 2500 ) = 25,749
(2 "! 4
93 94
16
D.TOUIJAR 02/10/2013
Distribution unimodale
- %&! * ! ! $: @ ( $ %
0 (( $"! $ !6 : !0 !
xi ni fi
0 1 0,05
Distribution bimodale Mo
1 3 0,15
M intervalle modale
2 5 0,25 M o = 3 enfts
3 6 0,30
4 3 0,15
5 2 0,10
Mo2 Mo1
99 Total 20 1 100
17
D.TOUIJAR 02/10/2013
- %&!
) / 1
18
D.TOUIJAR 02/10/2013
Exemple: 0,5 − F1
M = e1 + a2 × F(x)
Répartition des femmes selon le
revenu en 1000€
f2 100
Classes fi % Fi% 90
M = 35 + 80
[0 ; 35[ 30 30 70
50 − 30 60
[35 ; 70[ 45 75 35 × 50
30 Médiane
0
111 00 35 70 105 140 X112
Conclusion Générale
IV) POSITIONS RELATIVES DES 3
• Population hétérogène : La moyenne arithmétique
est préférable à la médiane et au mode. PARAMÈTRES MO , M et x
• Présence des valeurs aberrantes (ou extrêmes) : La f distribution symétrique unimodale : les 3
paramètres coincident au point de symétrie
médiane est préférable.
• Résultats d’un concours: la note médiane est la plus
significative.
• Démographie : « L’espérance de vie » est conseillée
pour comparer des pays en voie de dvpt. Pour un
seul, la durée médiane ou le mode (âge le plus
fréquent à la mort) sont utilisés.
113 114
Mo =M=x
19
D.TOUIJAR 02/10/2013
f
distribution unimodale dissymétrique distribution unimodale dissymétrique étalée à
étalée à droite :Mo < M < x gauche : x< M < Mo
Mo M x
115
x M Mo 116
• % " 6 "!
J& K (4 5 "! $ $ "! !&
! 3
•
x − M 0 ≈ 3( x − M )
117 118
20
D.TOUIJAR 02/10/2013
21
D.TOUIJAR 02/10/2013
∆Q
i)Ecart interquartile relatif : ∆Q r =
M
i) Ecart interquartile: ∆Q = Q 3 - Q 1 . ii)Ecart interdécile relatif : ∆Dr =
D9
D1
ii) Ecart interquintile ∆/ /( /
Exemple :
iii) Ecart interdécile: ∆ D = D9 - D1 . ∆Q r =40,83/50,56 = 0,808= 80,8%
Exemple : ∆Dr =112/11,67= 9,6
∆Q = 40,83 m€
(" ! , ;%? $ $ ,
∆ D = 79,33 m€ "! ! ! 4 à 9,6 0" $ !
131 $ , ;%? $ $ 132
22
D.TOUIJAR 02/10/2013
II)4 4 6& . • %
La variance est aussi notée σ x
2
1 k k
V ( X ) = ∑ ni ( xi − x ) = ∑ f i ( xi − x ) 2
2
1 k k
n i =1 i =1 σ x = V (X ) = ∑ ni ( xi − x ) 2 =
n i =1
∑ f i ( xi − x ) 2
133 i =1 134
3
• L 3
V ( X ) = ∑ f i ( xi − x ) 2 = 1049,672
, ! x= ∑ f i x i = 55 ,125 m € i =1
i =1
⇒ σ X = 1049,672 = 32,3986 m €
Classes fi xi (xi- x)2 fi (xi- x)2
, 7# % ! $. !#&&$ ! .
[0 ; 35[ 0,30 17,5 1415,641 424,692 La variance s’écrit aussi comme la différence
entre la moyenne des carrés et le carré de la
[35 ; 70[ 0,45 52,5 6,891 3,101 moyenne :
[70 ; 140[ 0,25 105 2487,516 621,879 V ( X ) = x2 − x 2
1 k k
Total 1 --- --- 1049,672 = ∑ ni xi2 − ( x ) 2 = ∑ f i xi2 − ( x ) 2
135 n i =1 i =1 136
Exemple :
− (55,125)
81768,75
V ( X ) = x2 − x 2 =
2
20
Classes ni xi ni xi ni xi2 = 4088,438 − 3038,766 = 1049,672
[0 ; 35 [ 6 17,5 105 1837,5 ⇒ σ X = 1049,672 = 32,399 m €
[35 ; 70 [ 9 52,5 472,5 24806,25
[70 ; 140 [ 5 105 525 55125 8 5 9 % . !
23
D.TOUIJAR 02/10/2013
8 &#& ! # : # . #
P n
P1 P2
Définition : $ Cv '
n1 n2 ! + x
x1 et x2 ' 5+ σX :
σ12, σ22 " σ2
σX
P
Cv =
( )(
σ 2= f1σ12 + f2σ 22 + f1(x1 − x)2 + f2 (x2 − x)2 ) :$ @ : !0$ "! !
x
σi2 intra pop σ x2i inter pop ( ! {15, 25, 35} et {150, 250, 350}. !
" $ (1( @ : !0$ "!
Où
x = f1 x1 + f 2 x2 =
1
(n1 x1 + n2 x2 )
n 139
Cv A = 8,16 25 = 0,33 = Cv B = 81,6 250 140
i i
• " ! 6$ "! ! "! Si = ∑ s j = ∑ n jx j $ ( 2 " 4 4
$ $ "! " 7 " 4 ! j =1
$ !
j =1
4 ! ! ! $ !04 #
$ [ e0 , e1 [, [ e1, e2 [ ,⋯ , [ ek-1, ek [ 8" $ ( ( $4 " 4 #$ $ # #9
: 00 0 0 ⋯ 5 !
s i ni x i fx
0 ⋯ ! !" 3 gi = = = i i $ ( $ $
S S x
$ # # 8" $ " " "! $ ( 7$"6 $
3$ ( 2 ! $ ! # #9
$ # #$ % &
Si
Gi = $ ( ( $4 $ " 4 # $
k k $
S# # 8" $ " " "! $ ( 7$"6 $
S = ∑ s i = ∑ n i xi3 $ ( 7$"6 $
" 4 4 $ ! 4 ! ! ! $
i =1 i =1
2 !04 # 9
143 144
24
D.TOUIJAR 02/10/2013
25
D.TOUIJAR 02/10/2013
5
• I C = 1 − ∑ f i ( G i + G i −1 )
i =1
• = 1- 0,872 = 0,128 = 12,8 %
151 152
Salaires fi Fi Gi = Si fi(Gi-1+Gi)
S
[10 , 12[ 0,136 0,136 0,092 0,013 PARTIE 2
[12 , 15[ 0,318 0,454 0,356
0,375 0,142
0,149
0,473
[15 , 20[ 0,410 0,864 0,797 0,481
SERIES DOUBLES
[20 , 25[ 0,091 0,955 0,923 0,157
[25 , 30[ 0,045 1 1 0,087 Ajustement linéaire et Corrélation
Total 1 ____ ____ 0,887
0,872
FIN 153
• I) TABLEAUX DE CONTINGENCE Y en
X en CDH
• (1) Exemple introductif année
• On désire étudier la répartition de 50184 salariés
selon l’ancienneté et le salaire mensuel. 2890 1836 102 0 4828
• Posons : 9044 7378 884 204 17510
26
D.TOUIJAR 02/10/2013
2 1 0 0 0 1
répartition des 50184 salariés selon
0 1 0 0 1
l’ancienneté : distribution marginale 4828
de (X) 17510
0 0 1 0 1
18088
• La ligne (Total) et la colonne (Total) 9758 0 0 0 1 1
sont appelées « marges».
Total 50184
157
TOTAL 1 1 1 1 158
• ! , , #4 $ $ "! " !
• 4 4 "!"( @ ! $ 6$ X Y " 5
$ " 4 4α ( $: ! ! $ "! 4 ! ! ! 2 " ,"7"! $
(" $ "! $ "! ( * !7 $ " ! (xi , yi ). : ! (6$ "!
8 6$ ;3 @ $ 9 $ ! : $$ «nuage de points ». 0" (
0$ "! 0 ( 8 6$ 03 @ $ 4 9 ! 7 !" ! 7! $ ! $
$ ! 7 5 $" 5 $ ! 7 8 ! ( $$ $ "! ! X Y $ " 6
0$ "! 9 ! $ 4 ! - $ ( @5 ! 7 !
6$ 8 ! ( $$ '9 ! + :! 4 "E " 6 !
O"! 3 " ( 8
5 6 9 12 18 % ).
7 25 30 35 45 65159 160
27
D.TOUIJAR 02/10/2013
E 70
Y Nuage de points: Ventes en
1 n
Cov( X , Y ) = ∑ xi yi − ( x y ) et 65
60
fonction de la Pub
n i =1
50
1 n 1 n
x = ∑ xi et y = ∑ yi 45
40
n i =1 n i =1 35
30
1 n 2
V ( x) = ∑ xi − x 2 ( ) 25
20
n i =1
10 5 9 X
!"! # !" - %&! ! " 0 163
4 6 8 10 12 14 16 18
164
Cov ( X , Y ) = xy − x y y=ax+b
1 5
1 5
1 5
= ∑ xi yi − ∑ xi × ∑ yi y = 3 × x + 10
5 i =1 5 i =1 5 i =1
milliers flacons flacon / DH mDH milliers flacons
1
= × 2330 − 10 × 40 = 66
5
• a=3 $ ! $ " 5 $ 7! 0
66
⇒ a= = 3 et b = 40 − 3 × 10 = 10 1 DH $4( ! ! ! 6
22
( ! 3 0$ "! $
167 168
28
D.TOUIJAR 02/10/2013
• Où
" " 4 "! ' +* x =a’ y + b’ 1 5 2
( )
V ( y ) = ∑ y i − y 2 = 1800 − 1600
Cov( X ,Y ) 5 i =1
a' = et b' = x − a ' y 66
V (Y ) = 200 et a ′ = = 0,33
• Remarque : 4!4 $ ( ! 5 "! $ 200
@ " RQP PQR ! ! (1( b ′ = 10 − 0,33 × 40 = − 3, 2
2 ! 5 $/4 "! RQP
/4 3
1 b′ DX / Y : y = 3,03 × x + 9,7
y= x− où a' ≠ 0
a′ a′ 169 170
25
$ $ $ "! $ !4 ! *
20
0"
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
171 172
29
D.TOUIJAR 02/10/2013
r = -1 -1 < r < 0
Valeurs de r pour interprétation: Y D’
Y
×D × ×
× × × ×
× × × D
• 0 ≤ |r| < 0,40 : faible ou quasi absence de D ×
corrélation X
X Une liaison linéaire
Une liaison linéaire relative et négative.
• 0,40 ≤ | r | < 0,60 : moyenne corrélation totale et négative.
• 0,80 ≤ | r |≤
≤ 1 : corrélation élevée. 175 176
r=0
r=1
D’ Y D’
Y ×
× × ×
×
× × D
× × × D
× × 0<r<1 ×
D’
X X
Indépendance totale. Y
Une liaison linéaire totale et positive.
× ××
× × × D
× ×
X
Une liaison linéaire relative et
positive. 177 178
cov ( X , Y ) 66
r= = = 0,99 PARTIE 3
V ( X )V (Y ) 66 ,33
"! $ "!3
r " 0 $ 2 " ,
5 "!
$ !4
$
!
!
*
2 0"
"
" 4$ "!
:
$ : ;- ! :
$:"! "! 47 , ( !
$ "! "! " ' ',
179
30
D.TOUIJAR 02/10/2013
181 182
R#$
x0
;5 6 ;%% # $ %
I 01 ( X ) = 260 ×100 = 104
00 250
- %&! 4 " @
0 "! 2 H " 8 ! ( $$ 9 - . # ! %%;
( X ) − 100 = +4%
Avril 2000 Av. 2001 Av.2002
250 260 205 ∆ r X = I 01
00
;%% ! %%% 8 $9
183 184
I 00 ( X ) = 0 × 100 =
x 250
× 100 = 96,15 I 02 ( X ) = x2 ×100 = 205 ×100 = 82
01 x1 260 185
00 x0 250 186
31
D.TOUIJAR 02/10/2013
I 1 (Y )× I 1 (Z )
:! 4$4( ! $ 6$ X j # $
56 ;%% # $ %
I 1 (X ) = 0 0
0 100 187 188
(1) Définition : $' + & ℑ >< (2) Différentes formules d’indices synthétiques
? a) Indice de laspeyres ℒt/0 +
2 = @ A ?
>< >< ><3 & 8
><
α 2
0
j
'
@ ( $ 3 8 " $( ! 5
" !"! $ ( ! 9 % ' .83
k k j
ℒt/0 = ∑ α 0j I t j/ 0 = ∑ α 0j xtj ×100
j =1 j =1 x0
k
où ∑ α 0j = 1
189
j =1 190
3
ℱt/0 = ℒt/0 x t/0
1 100
= =
k
αt j k
x0j " ! 5 "!
∑I
j =1
j ∑
j =1
αt j
xt
j
t/ 0
t/0 ≤ ℱt/0 ≤ ℒt/0
191 192
32
D.TOUIJAR 02/10/2013
- ∑
j =1
p t j q 0j
i) L’ indice de laspeyres des Prix
j j
• ℒt/0 (p) < k
× 100
• " ! p0 et q0
! 4 $:
( ! $ @
$ - "! "((4 # $: !!4
j j
$
∑
j =1
p q
0
j
0
j
6 " ! pt et qt @
$: !!4 " ! $" $: !
$ @5 !" 4 ℒt/0 (p)5 3 Remarque
k
ptj p 0j q 0j $ " p0j q0j !: $ $
ℒt/0 (p) < ∑ α 0 × 100 ; où α 0j =
j
j k
$: $ - "! "((4 # $: !!4 6
p0
j =1
∑p
j =1
0
j
195
q 0j
196
j =1
," # $: !!4 6 k
∑q
j =1
t
j
ptj
• ii) L’ indice de Paasche des Prix :"E t/0
( p) = k
×100
∑q
j =1
t
j
p 0
j
33
D.TOUIJAR 02/10/2013
qt
qtj k ∑p q j j
0 t
j =1 j =1
∑p q
k
q0 j j
j =1
∑ p0j q0j
j =1 Q% <
j =1
k
t t
×100 =
Dépenses Totales à la date t
199
∑p q
j =1
j j
0 0
Dépenses Totales à la date 0
200
α
Questions:
C01j α t j
j j
Année I 01 t
j
99 I
;. $ $ 8 96 ;%% ! ; 01 / 99
01/ 99 ( p ) = k ; où α t =
j j j
I
∑
99 01
I j 0198 = ⇒ I 01 =
j
×100 α t j C01j
∑
99 98 98
100 I j
99
99
98 203 j =1
I 01j / 99 204
34
D.TOUIJAR 02/10/2013
• D’où
1
01 / 99 ( p ) = = 111,1
0,009
2- $: ! , 00 : 00 ! %;Q 3
01/
01/99 < ;+% 8 4!"! 49
=. ! ! 4 D "! 3
ℒt/0 (q)= 01 / 99
× 100 =
01 / 99 ( p )
150
× 100 = 135
111 ,1 205
35