Académique Documents
Professionnel Documents
Culture Documents
Techniques Quantitatives
de Gestion
17
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
Plan du cours
I- Calcul de probabilité........................................................................................................................ 3
A. Concepts fondamentaux ................................................................................................................. 3
La probabilité conditionnelle............................................................................................................... 4
Evénements indépendants .................................................................................................................. 4
B. Variable aléatoire, Espérance et Variance .......................................................................................... 6
1. Distribution de probabilité .......................................................................................................... 6
2. Fonction de répartition ............................................................................................................... 7
II- Distributions de probabilité utiles ................................................................................................... 8
1. Distribution de Bernoulli ............................................................................................................. 8
2. Loi binomiale ............................................................................................................................... 9
3. La Loi normale ............................................................................................................................. 9
4. La distribution de Khi-deux ....................................................................................................... 11
5. La distribution de Student ......................................................................................................... 12
III- Estimation ponctuelle ...................................................................................................................... 12
1. Estimation de la moyenne de la population ........................................................................... 13
2. Estimation de l’écart-type de la population ........................................................................... 13
III- Estimation par intervalle ............................................................................................................... 13
1- Intervalle de confiance pour la moyenne .................................................................................. 13
A. Cas des grands échantillons ..................................................................................... 15
B. Cas des petits échantillons et inconnu .................................................................. 16
IV- Tests d’hypothèses .......................................................................................................................... 17
1. Principe ...................................................................................................................................... 17
2. Probabilités d’erreur et hypothèses .......................................................................................... 18
3. Tests bilatéral et unilatéral ........................................................................................................ 19
a. Test d’hypothèse pour la moyenne........................................................................................... 19
a. Cas d’une distribution normale avec connu ....................................................................... 19
b. Cas d’une distribution normale avec inconnu .................................................................... 20
c. Les observations de la population ne suivent pas une loi normale ........................................ 21
VI- Le test d’indépendance Du Khi-Deux ( ²) ........................................................................................ 23
1. Effectifs observés et effectifs théoriques calculés .................................................................... 24
Définition : .................................................................................................................................... 24
Degré de liberté d’un tableau de contingence : ............................................................................. 24
2
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
I- Calcul de probabilité
A. Concepts fondamentaux
La théorie des probabilités a pour objet l’étude des phénomènes aléatoires. le concept
« d’expérience aléatoire » concerne l’ensemble des résultats possibles de cette
expérience que l’on appelle « l’ensemble fondamental », noté habituellement Ω.
Exemple
Définition :
3
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
La probabilité conditionnelle
Soient deux événements A et B. On défini la probabilité de l’événement A sachant la
réalisation de l’événement B par :
Evénements indépendants
Soient deux événements A et B. On dit que les événements A et B sont indépendants si :
Exemple 1
On jette une paire de dés bien équilibrés, sachant que la somme = 6, calculer la
probabilité pour que l’un des dés ait donné un « 2 » ?
Solution :
Calculons Pr (A/E) ?
Exemple 2
Un lot contient 12 articles dont 4 sont défectueux. On tire au hasard articles du lot l’un
après l’autre. Quelle est la probabilité pour que les trois ( ) articles ne soient pas
défectueux ?
Solution
Exemple 3
Deux chasseurs A et B tirent sur la même cible. La probabilité que le chasseur A atteint la
cible est 1/4. La probabilité que le chasseur B atteint la cible est 2/5. Quelle est la
probabilité que la cible soit atteinte sachant que A et B tirent chacun sur la cible ?
Solution
4
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
On cherche :
Exemple 4
On choisi une boîte au hasard et on extrait une ampoule au hasard. Quelle est la
probabilité que cette ampoule soit défectueuse ?
Solution
Théorème de Bayes:
Soient deux évènements A et B avec P(B) ≠ , alors :
Exemple
On considère une usine où trois machines fabriquent un même modèle de pièce. 40 %
des pièces sont fabriquées par la machine A, qui produit 0,1 % de pièces défectueuses ;
30 % des pièces sont fabriquées par la machine B, plus ancienne, qui produit 0,3 % de
pièces défectueuses ; 30 % des pièces sont fabriquées par la machine C, encore plus
ancienne, qui produit 0,8 % de pièces défectueuses. On demande la probabilité
conditionnelle qu’une pièce ait été fabriquée par la machine C, sachant qu’elle est
défectueuse.
5
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
Appelons A l’évènement « une pièce prise au hasard a été fabriquée par la machine A », B
et C les évènements analogues pour les machines B et C. Appelons D l’évènement « une
pièce prise au hasard est défectueuse ».
Solution
1. Distribution de probabilité
Soit Ω un ensemble fondamental fini et X une v.a définie sur Ω telle que :
On distingue usuellement :
6
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
2. Fonction de répartition
On appelle « Fonction de répartition d’une variable aléatoire X » l’application F telle
que :
,
( )
( )= ( )
Fonction de répartition dans le cas de v.a discrète :
Espérance Mathématique
1. Si est un scalaire : ( ) = et ( )= ( )
7
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
La Variance
Propriété de la variance :
1. Si est un scalaire : ( ) = ( . )= . ( )
2. Si et sont indépendants alors : ( ) = ( ) ( )
La Covariance
, = ( ) ( )
Propriété de la Covariance
x 0,1 Pr X x p x 1 p
1 x
La v.a X = 1 si succès et X = 0 si échec de sorte que :
8
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
2. Loi binomiale
On réalise fois successivement et d’une manière indépendante l’épreuve de Bernoulli.
On s’intéresse au nombre de « succès » obtenus.
Pr X k Cnk p k 1 p
nk
k 1,2,..., n
E X np et Var X np 1 p
n!
Avec Cnk
k!n k !
Exemple
On jette 6 fois une pièce de monnaie avec : face = succès et pile = échec. Calculer la
probabilité qu’il ait 2 faces : ( = , = ) . On doit calculer
2 4
1 1
Pr X 2 C62
2 2
Calculer la probabilité d’obtenir au moins 4 faces ( = 4, 5, 6) :
k 6 k
6
1 1
Pr X 4 C
k
6 11 / 32
k 4 2 2
Propriété :
Exemple 2
La probabilité pour qu’un tireur atteigne la cible est ,25. En supposant qu’il tire 7 fois,
quelle est la probabilité pour qu’il atteigne la cible au moins 2 fois ?
Combien de fois doit-il tirer pour que la probabilité d’atteindre la cible au moins une fois
soit plus grande que 2/3 ?
0 7 1 6
1 3 1 3
Solution : 1. Pr X 2 1 Pr X 2 1 C70 C71
4 4 4 4
1 0,4449 0,55
2. Pr X 1 2 / 3 1 Pr X 1 2 / 3
Pr X 1 Pr X 0 1 / 3
Cn0 1 4 3 4 1 / 3 n 4
0 n
3. La Loi normale
La loi normale est la loi statistique la plus répandue et la plus utile. Les autres lois
statistiques peuvent être approchées par la loi normale, tout spécialement dans le cas
des grands échantillons.
9
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
50 % des individus en dessous de la moyenne et 50 % au-dessus (la loi normale est symétrique)
Pour calculer les probabilités associées à la loi normale, on utilise généralement la loi
normale centrée réduite : c’est une loi normale pour laquelle = et = .
X
Si X N , alors t N 0,1
Exemples :
10
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
A. Le poids des tomates produites par un jardinier obéit à une loi normale de moyenne 200
g et d'écart type 40 g. Calculez la probabilité que le poids d'une tomate excède 250 g.
25 = (25 2 ) 4 = 1,25 = ,1 6 = 1 ,6
B. Calculez la probabilité que le poids d'une tomate soit inférieur à 100 g (0,6%)
C. Calculez la probabilité que le poids d'une tomate soit inférieur à 230 g.(77,3%)
4. La distribution de Khi-deux
La loi de khi 2 notée finalisée par Karl Pearson au début du XXème siècle est une loi de
probabilité continue représentant la distribution de la somme des carrés de n variables aléatoires
indépendantes, chacune étant normale centrée réduite. Cette somme est appelée variable du à
degrés de liberté ; on note le degré de liberté1 (ddl). Les valeurs de dépendent du degré de liberté
et du seuil de signification . Elles sont notées ( , ) et sont tabulées sur la table du avec :
( , ) =
Pour un ddl de 1, il y a une chance sur 100 pour que la variable aléatoire du à 1 degré de liberté dépasse
6,63.
Autre démarche
On peut, à partir du khi-deux calculé et du ddl, déterminer le degré de signification correspondant. Par
exemple, pour un khi-deux calculé de 2,8 et un ddl de 1, le degré de signification est de 9,43 % (ce degré de
signification peut être déterminé en utilisant Excel) ; si le seuil de 5 % a été assigné au test, alors on ne
pourra pas rejeter l’hypothèse nulle, car notre seuil de signification est supérieur à 5 %.
1
Où ν représente le nombre de variables aléatoires indépendantes et normalement distribuées Z qui
interviennent dans la définition de X.
11
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
i. Vérifier et tester si deux variables qualitatives sont indépendantes (test de khi 2).
ii. Tester l’ajustement d’une distribution de probabilité empirique par une distribution
théorique.
5. La distribution de Student
La loi de Student est une loi de probabilité, faisant intervenir le quotient entre une variable
suivant une loi normale centrée réduite et la racine carrée d'une variable distribuée suivant
la loi du χ².
Soit Z une variable aléatoire de loi normale centrée et réduite et soit U une variable
indépendante de Z et distribuée suivant la loi du χ² à k degrés de liberté. Par définition la
variable
= à
2
Pour tout nombre z, on définit la fonction suivante, appelée fonction gamma, et notée par la lettre grecque Γ :
( )=
12
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
= ( )= = =
X X
= =s
1 1
III- Estimation par intervalle de confiance
Lorsque nous procédons à une estimation, il est plus pertinent de fournir un intervalle
plutôt que simplement une estimation ponctuelle, c'est-à-dire d'écrire
uniquement μ = . Un tel intervalle]a,b[ s'appelle une estimation par intervalle de confiance
du paramètre .
par la loi normale centrée réduite, la variable = ( , 1). Ceci nous permet d’écrire
=1
=1
=1
13
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
=1
=1
Exemple :
Considérons la longueur en cm d’une population d’élèves qui suit une loi normale ( , =
6 ). On prélève un échantillon N = 40 dont la moyenne est = 156 cm. Donner un IC
pour au niveau de confiance de 95%.
Solution :
Exemple :
3
α est appelé aussi « seuil de risque »
14
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
Exemple
On s’intéresse à l’âge d’une population. Un échantillon de taille 410 est prélevé avec
= ,1 et = 6,2. Donner un intervalle de confiance à 95% pour la moyenne des âges de
cette population ?
Solution
est connu
15
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
est inconnu
, ,
= , = , =
Exemple :
La durée d’encaissement des chèques auprès d’une agence bancaire est une variable aléatoire
dont en connaît pas la distribution de probabilité. On prélève 10 chèques au hasard. La durée
d’encaissement moyenne obtenue est de 16 jours avec un écart-type de 1 journée. Déterminer
un intervalle de confiance pour la durée moyenne d’encaissement des chèques dans cette
banque.
Solution
= 15,246 16,754
Avec Excel
16
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
1. Principe
La construction de tests d’hypothèses prend le problème à l’inverse des intervalles
de confiance :
1. On suppose que l’on connaît la population dans son ensemble selon un certain critère.
2. On dispose d’un échantillon qui semble différer de la loi initiale suivie par la
population.
3. On doit conclure à l’aide d’un test d’hypothèse si ce changement est le fait du hasard
de l’échantillonnage ou le fait d’un changement réel des paramètres de la loi dans la
population.
Exemple :
Le nombre d’articles vendus par jour pendant l’année dans un magasin suit une loi normale de
moyenne 300 et d’écart-type 20. Pendant les soldes qui durent 15 jours, le nombre moyen
d’articles vendus par jour est de 315. Les soldes induisent-elles une amélioration significative
des ventes ?
Solution
Notons μ la moyenne de la loi normale régissant le nombre d’articles vendus pendant les
soldes. Deux hypothèses alternatives sont ici en concurrence :
Il s’agit d’arbitrer entre ces deux hypothèses. Si l’hypothèse est vraie, quelle est la
probabilité que la moyenne observée soit de 315 ou plus ?
Notons l’estimateur de moyenne dans l’échantillon ; il suit sous une loi normale avec
, .
17
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
Ainsi on a4 : ( 15 ) = = ( 2, )= ,2
,
Cette probabilité est la probabilité de crédibilité de l’hypothèse . Ici cette probabilité est
très faible et l’hypothèse peut-être rejetée sans grand risque. La probabilité 0,2% est
la probabilité critique de l’hypothèse .
( ) = , 5 ( ) = , 5 = , 5
5 , 164
Conclusion :
Remarque : Ces deux probabilités d’erreur sont antagonistes, plus α est grande
(respectivement petite), plus β est petite (respectivement grande).
4
Sachant que = 5 , 164.
18
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
Définition :
La puissance d’un test est égale à 1 . Dans la pratique des tests statistiques, la règle est de
se fixer . Les valeurs les plus courantes sont 1 %, 5 % ou 10 %.
B. Un test unilatéral
Ce test s’applique quand nous cherchons à savoir si un paramètre est supérieur (ou inférieur) à
un autre paramètre ou à une valeur donnée. La zone de rejet de l’hypothèse principale est
située d’un seul côté de la distribution de probabilité de référence.
( ,1 )
19
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
1. Formulation du test :
Il s’agit de tester si n’est pas trop éloignée d’une norme au seuil de confiance 1
contre le fait qu’elle soit significativement différente de celle-ci.
: =
: ≠
2. Zone d’acceptation
=1
=1
3. Critère de décision
L’objectif final du test est de prendre une décision selon la règle suivante :
1. Formulation du test :
Il s’agit de tester si n’est pas trop éloignée d’une norme au seuil de confiance 1
contre le fait qu’elle soit significativement différente de celle-ci.
: =
: ≠
20
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
2. Zone d’acceptation
=1
=1
3. Critère de décision
L’objectif final du test est de prendre une décision selon la règle suivante :
suivant :
suivant :
21
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
= , = , =
Si ou = , = , =
alors on rejette .
Exemple 1
La durée de vie moyenne d’un échantillon de 100 ampoules fabriqués par ne usine est estimé
à 1570 heures avec un écart type de 120 heures. Si est la durée de vie moyenne de toutes les
ampoules produites par l’usine,
Solution 1
Calculons = = 12 = 12 ,6
,
a. Sous l’hypothèse nulle on a 16 , et , ( ,1 ) et = 1 . Le
= 156 , 16 1,1
Le test peut être validé aussi par le calcul : = = , = 2,4 2,5 2,5
5
On doit se référer à la table de Student avec DDL et seuil de confiance approprié
22
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
Pour α = 1%, sur la table de la loi normale on peut lire le = 2, . La règle de décision
est établie comme suit :
Exemple 2
On s’intéresse à l’endettement moyen qui cause la faillite des PME algériennes. Un bureau
d’étude financier affirme que le volume moyen de l’endettement impliquant la faillite des
PME en Algérie est de 450 millions de DA. On a observé le volume de l’endettement
enregistré par 10 entreprises qui affichent le résultat suivant : Endettement moyen = 460
millions de DA avec un écart-type = 6 millions de DA.
Effectuer un test unilatéral pour confirmer ou réfuter les propos du bureau d’études au seuil de
confiance de 95%
23
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
Définition :
Les effectifs calculés sous l’hypothèse d’indépendance, encore appelés effectifs théoriques, sont notés cij et
donnés par :
. .
=
..
Après détermination des effectifs calculés cij, il est possible de déterminer un indicateur de distance entre le
tableau observé, composé des nij , et le tableau théorique, composé des . Cette « distance » est appelée
distance du khi-deux.
Pour appliquer un calcul de distance du khi-deux entre deux tableaux, les deux conditions
suivantes doivent être vérifiées :
la taille de l’échantillon doit être supérieure ou égale à 30 ;
tous les effectifs calculés doivent être supérieurs ou égaux à 5 (dans le cas contraire,
on regroupe les classes adjacentes).
Karl Pearson a démontré que ce khi-deux calculé suit approximativement la distribution du
khi-deux, loi de probabilité continue, caractérisée par un paramètre ν (nu), le degré de liberté.
Degré de liberté d’un tableau de contingence :
Soit un tableau de contingence formé de n lignes et de p colonnes. Son degré de liberté, noté
ddl, est donné par : =( 1)( 1), ou encore
= ( – 1) ( – 1).
Pour comprendre la signification de la notion de degré de liberté, il convient d’observer que l’on
peut remplir librement les (n – 1) premières lignes et les (p – 1) premières colonnes et qu’alors les
effectifs marginaux imposent les valeurs restantes.
Exemple
Le tableau ci-après donne le résultat sur un échantillon de consommateurs constitué sur la base des
résultats obtenus en réponse à la question : « D’une façon générale, tenez-vous compte de la qualité
lorsque vous achetez un produit ? »
25
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
Excel propose de réaliser un test du khi-deux uniquement à partir des tableaux de données observées et
théoriques, sans avoir à calculer les distances du khi-deux. Pour cela, sélectionnez la cellule dans laquelle
vous souhaitez faire apparaître le résultat, puis, dans la barre de menus, cliquez sur Insertion/Fonction.
Dans la boîte de dialogue, sélectionnez la catégorie Statistiques, puis sélectionnez la fonction
TEST.KHIDEUX.
Cliquez sur OK. Dans la boîte de dialogue Arguments de la fonction (voir figure 5.8), dans le champ Plage
réelle, indiquez la plage dans laquelle se trouve le tableau de données observées, soit B2:D4, et dans le
champ Plage_attendue, indiquez la plage dans laquelle se trouve le tableau de données théoriques, soit
B22:D24 pour notre exemple. Cliquez sur OK pour faire apparaître le résultat.
26
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
27
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
28
Dr. S. Mokhtari Techniques quantitatives de gestion ESAA, Oct. 2017
29