Université Ibn Zohr d’Agadir

Ecole Supérieure de Technologie de Laâyoune

Filière: Génie Informatique

Elément: Statistique descriptive 2

Réalisé par: Mohamed Ali Hafdi

Année: 2023
2
Table des matières

1 Statistique descriptive bivariée et Série chronologique. 5

1.1 Présentation, covariance et corrélation d’une série à deux entrée. . . . 5
1.2 Ajustement linéaire d’une série à deux entrées. . . . . . . . . . . . . . 6
1.3 Série chronologique. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Définition et exemples. . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2 Les composantes d’une série chronologique. . . . . . . . . . . . 7
1.3.3 Les modèles de décomposition d’une série. . . . . . . . . . . . 8
1.3.4 Prévision. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Les indices statistiques. 13

2.1 Indice élémentaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Les indices synthétiques. . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.1 Indices de valeur. . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2 Indices de Laspeyres. . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.3 Indices de Paasche. . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.4 Indices de Fischer. . . . . . . . . . . . . . . . . . . . . . . . . 17

3
4 TABLE DES MATIÈRES
Chapitre 1

Statistique descriptive bivariée et

Série chronologique.

1.1 Présentation, covariance et corrélation d’une

série à deux entrée.
Définition 1.1.1 On considère une population d’effectif n. Si on étudie deux car-
actères X et Y de cette population, on dit que l’on étudie une série statistique à deux
entrée. A chaque individu i (1 ≤ i ≤ n) correspond un couple (xi , yi ), où xi est la
modalité du caractère X et yi est la modalité du caractère Y associé à l’individu i.
L’ensemble des couples (xi , yi ) définit une série statistique à deux entrée.
Remarque 1.1.1 Si les couples (xi , yi ) sont affectés des effectifs, alors la série statis-
tique se présente par un tableau de contingence.
Exemples:
1- Chaque mois, une entreprise consacre une somme X à des opérations publicitaires.
On met en regard le montant des ventes Y chaque mois. Une étude portant sur
8 mois a donné les résultats suivants exprimés en milliers de dirhams:
Mois Jan Fev Mars Avril Mai Jui Jui Août
X 0.24 0.31 0.25 0.32 0.35 0.2 0.18 0.3
Y 38 42 39 44 46 35 34 41

2- Le tableau de contingence suivant, présente une série bivariée:

XY 12 15 20 25 T otal
2 11 6 8 15 40
4 12 16 7 5 40
7 5 6 8 1 20
T otal 28 28 23 21 100

Définition 1.1.2 Soit (X, Y ) une série statistique bivariée dont les modalités sont
(xi , yi ) pour i ∈ {1, ..., N }.

5
6 CHAPITRE. 3 : Statistique descriptive bivariée et Série chronologique

- On appelle covariance de (X, Y ), le nombre

N
1 X


σXY = xi − X̄ yi − Ȳ
N i=1
N
!
1 X
= xi yi − X̄ Ȳ ,
N i=1

où X̄ et Ȳ sont respectivement les moyennes arithmétiques de X et Y .

- Le nombre
σXY
ρXY = ,
σX σY
où σX et σY sont respectivement les écart-types de X et Y , est appelé la corrélation
linéaire de (X, Y ).

Remarque 1.1.2 Si la série est présenté par un tableau de contingence, alors sa

covariance est
r q
1 XX


σXY = nij xi − X̄ yj − Ȳ
N i=1 j=1
r q
1 XX
= nij xi yj − X̄ Ȳ ,
N i=1 j=1

où nij est l’effectif qui correspond au couple (xi , yj ) dans le tableau de contingence.
Exemples: On va calculer la covariance et la corrélation des deux séries de l’exemple
précédent.

1.2 Ajustement linéaire d’une série à deux entrées.

Soit (X, Y ) une série à deux entrées dont les modalités sont (xi , yi ) et qui se présente
graphiquement par le nuage de points M (xi , yi ) pour i ∈ {1, ..., N }. Lorsque ces points
paraissent presque alignés, alors la série peut être ajuster linéairement.
Définition 1.2.1 L’ajustement linéaire de la série (X, Y ), c’est la recherche de la
droite (∆) : y = ax + b qui passe au plus près de tous les points M (xi , yi ) pour
i ∈ {1, ..., N }.
Proposition 1.2.1 La pente a et l’ordonnée à l’origine b de la droite (∆), obtenus
par la méthode des moindres carrées, sont
σXY
a= 2
, b = Ȳ − aX̄.
σX
Exemple: On considère la série des opérations publicitaires et le montant des ventes
(exemple précédent). La représentation graphique de cette série est la suivante:
3.3 Série chronologique 7

Il est clair que tous les points du nuage de cette série semblent presque alignés.
Soit (∆) : Y = aX + b la droite de l’ajustement linéaire de cette série. Les valeurs,
par la méthode des moindres carrées, de a et b sont:
σXY
a = 2 , b = Ȳ − aX̄.
σX
Calculons X̄, Ȳ , σX et σXY .

1.3 Série chronologique.

1.3.1 Définition et exemples.
Définition 1.3.1 La série chronologique est une série à deux entrée, dont l’un des
deux caractères est le temps (jours, mois, année,...) et on la note (Xt ).

Exemple 1
1)- cours journalières d’une action en bourse.
- consommation mensuelle d’électricité.
- nombre trimestriel de chômeurs.
- chiffre annuel des bénéfices des exportations.
8 CHAPITRE. 3 : Statistique descriptive bivariée et Série chronologique

2)- Considérons la série trimestrielle du chiffre d’affaires en milliers de dirhams des

ventes d’un magasin de 1978 à 1982:
anneé 1 année 2 année 3
trim.1 430 480 510
trim.2 600 670 840
trim.3 820 930 1010
trim.4 550 640 730
La représentation graphique de cette série est la suivante:

1.3.2 Les composantes d’une série chronologique.

Le but de la décomposition d’une série chronologique est de distinguer dans l’évolution
de la série, une tendance, des variations saisonnières qui se répètent chaque année
(semestre, trimestre, mois,...) et des variations accidentelles imprévisibles.
L’intérêt de ceci est d’une part de mieux comprendre, de mieux décrire l’évolution
de la série, et d’autre part de prévoir son évolution (à partir de la tendance et des
variations saisonnières).
a- La tendance ou composante tendancielle (Tt ): qui correspond à l’évolution
à long terme de la série, l’évolution fondamentale de la série. Généralement, elle
est linéaire: Tt = at + b.
b- La composante saisonnière (St ): qui correspond aux variations saisonnières
(par exemple: les fluctuations périodiques à l’intérieur d’une année).
c- La composante résiduelle (εt ): correspond à des fluctuations irrégulières et
imprévisibles. Elles sont supposées en général de faible amplitude.
3.3 Série chronologique 9

1.3.3 Les modèles de décomposition d’une série.

a- Modèle additif.
Définition 1.3.2 Soit (Yt ) une série chronologique. On dit que (Yt ) suit un modèle
additif si et seulement si Yt s’écrit

Yt = Tt + St + εt

, où (Tt ) est une tendance, (St ) est une composante saisonnière, et (εt ) est la com-
posante résiduelle et qui sont supposées indépendantes deux à deux.

Propriétés 1.3.1

1- Graphiquement, l’amplitude des variations des tèrmes de la série, est constante

autour de la tendance.

2- Le modèle additif est convenable à une série chronologique si la droite passant par
les minima du graphe de la série, et celle passant par les maxima, sont à peu
prés parallèles (voir Figure 4.1 comme exemple).

b- Modèle multiplicatif.
Définition 1.3.3 Soit (Yt ) une série chronologique. On dit que (Yt ) suit un modèle
multiplicatif si et seulement si Yt s’écrit

Yt = Tt × St + εt

, où (Tt ) est une tendance, (St ) est une composante saisonnière (on suppose que (St )
dépend de (Tt )), et (εt ) est la composante résiduelle.

Propriétés 1.3.2
10 CHAPITRE. 3 : Statistique descriptive bivariée et Série chronologique

1- Graphiquement, l’amplitude des variations des tèrmes de la série, varie en fonc-

tion du temps.

2- Le modèle multiplicatif est convenable à une série chronologique si la droite passant

par les minima du graphe de la série, et celle passant par les maxima, ne sont
pas parallèles (voir Figure 4.2 comme exemple).

1.3.4 Prévision.
a- Détermination de la tendance (Tt ):
Proposition 1.3.1 Les coefficients a et b de la tendance Tt = at + b pour les deux
modèles additif et multiplicatif, sont

cov(T, Y )
a= , b = Ȳ − aT̄ ,
V (T )

où
N N
1 X 1 X
Ȳ = Yi , T̄ = ti ,
N i=1 N i=1
N N
1 X 1 X 2
cov(T, Y ) = Yi ti − Ȳ T̄ , V (T ) = t − T̄ 2 .
N i=1 N i=1 i

Exemple 2 Cherchons la tendance pour la série de l’exemple 1 précédent: La

première chose à faire, il faut indexer les trimestres des trois année. Le tableau obtenu
est le suivant:

temps 1 2 3 4 5 6 7 8 9 10 11 12
chiffre d’affaires 430 600 820 550 480 670 930 640 510 840 1010 730
3.3 Série chronologique 11

On a
1
Ȳ = (430 + 600 + 820 + 550 + 480 + 670 + 930 + 640 + 510 + 840 + 1010 + 730)
12
= 684.1667,
1
T̄ = (1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12) = 6.5,
12

1
cov(T, Y ) = (430 × 1 + 600 × 2 + 820 × 3 + 550 × 4 + 480 × 5 + 670 × 6
12
+930 × 7 + 640 × 8 + 510 × 9 + 840 × 10 + 1010 × 11 + 730 × 12) − Ȳ T̄

= 4766.667 − 684.1667 × 6.5

= 319.5831,
1 2
1 + 22 + 32 + 42 + 52 + 62 + 72 + 82 + 92 + 102 + 112 + 122 −6.52 = 11.91667.


V (T ) =
12
Donc les coefficients de la tendance sont
319.5831
a= = 26.81815, b = 684.1667 − 26.81815 × 6.5 = 509.8487
11.91667
Par conséquent la tendance est Tt = 26.81815t + 509.8487.

b- Détermination de la composante saisonnière.

Etape 1: On calcule les coefficients saisonniers Sij = Yij − Tij (par exemple: i c’est
l’année et j c’est la saison (trimestre, semestre,...)) si le modèle est additif, ou
St = TYtt si le modèle est multiplicatif.

Etape 2: Pour chaque saison j (trimestre, semestre,...), on calcule la composante

saisonnière brute sj correspondant et qui est la moyenne des coefficients saisoniers
en cette saison.

Etape 3: On centre la composante saisonnière brute pour avoir finalement la com-

posante saisonnière qu’on va utiliser dans le modèle.

Exemple 3 Cherchons la composante saisonière de la série de l’exemple 1. Tout

d’abord quel est le modèle (additif ou multiplicatif) convenable pour cette série. Le
graphique suivant montre que les droites passant par les minima et les maxima de la
série sont parallèles. Par conséquent le modèle additif est convenable:
Le tableau de la tendance est:
temps 1 2 3 4 5 6 7 8 9 10 11 12
chiffre d’aff. 430 600 820 550 480 670 930 640 510 840 1010 730
Tendance 537 563 590 617 644 671 698 724 751 778 805 832
12 CHAPITRE. 3 : Statistique descriptive bivariée et Série chronologique

Donc le tableau des coefficients saisoniers et la composante saisonière brute est le

suivant:
anneé 1 année 2 année 3 C.S.B C.S.
trim.1 −107 −164 −241 −170.67 −133.505
trim.2 37 −1 62 32.67 69.835
trim.3 230 232 −241 73.67 110.835
trim.4 −67 −84 −102 −84.33 −47.165
1
La moyenne de C.S.B est (−170.67 + 32.67 + 73.67 − 84.33) = −37.165. Donc la
4
composante saisonière qu’on va utilisé dans le modèle est C.S..

c- Prévision.
Soit t un temps donné. La valeur prédite de Yt est Ŷt = at + b + Si , où i est la saison
qui correspond à t.

Exemple 4 On veut prédire la valeur du chiffre d’affaires pour l’anné 4 en trimestre

4. Le t ici est t = 16. Donc Tt = 26.81815 × 16 + 509.8487 = 938.9391 et Si = S4 =
−47.165. Ce qui donne Ŷt = 938.9391 − 47.165 = 891.7741.
Chapitre 2

Les indices statistiques.

On d’écrit souvent des phénomènes plus ou moins complexes en utilisant une seule
valeur qu’on appelle un indice. L’objectif d’un indice, est comparer des grandeurs
numériques qui evoluent au cours du temps et/ou de l’espace.
On trouve des indices dans de nombreux domaines. On peut citer l’indice des prix à
la consommation, l’indice des cours des titres à la bourse, l’indice de confiance des
consommateurs, l’indice de compétitivité des nations,... etc.
Deux catégories d’indices peuvent être distinguées selon le type de grandeur étudiée.
Ainsi, si l’on considère le prix d’un produit, il s’agit de grandeurs simples au sens où
la grandeur est un nombre ne prenant qu’une seule valeur dans une situation donnée.
Les indices calculés sur la base de ces grandeurs sont appelés indices élémentaires.
En revanche, le niveau général des prix, la production industrielle, le cours des ac-
tions sont des grandeurs complexes dans la mesure où leur calcul nécessite d’agréger
un ensemble de valeurs hétérogènes (prix des différents produits, production de di-
verses industries, cours de différentes actions). Les indices calculés sur la base de ces
grandeurs sont appelés indices synthétiques.

2.1 Indice élémentaire.

Définition 2.1.1 L’indice élémentaire d’une grandeur V à la date t base 100 à la
date 0 est
V Vt
It/0 = × 100.
V0
Exemple 5 Quel est l’indice du prix en 2019 base 100 en 2017 d’un produit valant
200 DH en 2017 et 300 DH en 2019?
On a
P P19 300
I19/17 = × 100 = × 100 = 150.
P17 200
V
Interpretation: Soit It/0 l’indice élémentaire d’une valeur V à la date t base 100 à
V
la date 0 et soit ∆ = It/0 − 100.

1- Si ∆ > 0 alors la valeur V a augmenté de ∆% de la date 0 à la date t.

13
14 CHAPITRE. 4 : Les indices statistiques

2- Si ∆ < 0 alors la valeur V a diminué de −∆% de la date 0 à la date t.

P
Exemple 6 Reprenons l’exemple : On a I19/17 = 150 donc ∆ = 50 et par conséquent
le prix à augmenté à 50% de 2017 à 2019.

Proposition 2.1.1 (Circularité)

Si une grandeur numériques V prend les valeurs V0 , Vt et Vt1 aux instants 0, t, t1 ,
alors
1
It/0 = It/t1 × It1 /0 × .
100
Preuve:
On a
1 Vt Vt 1
It/t1 × It1 /0 × = × 100 × 1 × 100 ×
100 Vt1 V0 100
Vt
= × 100
V0
= It/0

Exemple 7 Le chiffre d’affaires d’une entreprise a augmenté de 30% de 2017 à 2018

et a diminué de 25% de 2018 à 2019. Le C.A. a-t-il diminué ou augmenté de 2017 à
2019?
On a I18/17 = 100 + 30 = 130 et I19/18 = 100 − 25 = 75, alors par la propriété de
circularité, on a:

1 130 × 75
I19/17 = I19/18 × I18/17 × = = 97.5
100 100
Autrement dit le C.A. a diminué de 2.5%

Proposition 2.1.2 (Réversibilité)

Si une grandeur numérique V prend les valeurs V0 et Vt aux instants 0 et t, alors

1002
It/0 = .
I0/t

Preuve:
On a

1002 1002
= V0
I0/t Vt
× 100
Vt
= × 100
V0
= It/0
4.1 Indices élémentaire 15

Exemple 8 Si un prix augmente de 20% de 2017 à 2019, que dire de son evolution
de 2019 à 2017?
On a I19/17 = 100 + 20 = 120, alors suivant la propriété de réversibilité, on a:

1002 1002
I17/19 = = ' 83.33.
I19/17 120
Autrement dit, le prix a diminué de 16.67% de 2019 à 2017.
Proposition 2.1.3 (Produit des grandeurs)
Soit A, B, et C trois grandeurs.
1- Si At = Bt × Ct pour tout instant t, alors

A B C 1
It/0 = It/0 × It/0 × .
100

Bt
2- Si At = pour tout instant t, alors
Ct
B
A
It/0
It/0 = C
× 100.
It/0

Preuve:
1- On a
B C 1 Bt Ct 1
It/0 × It/0 × = × 100 × × 100 ×
100 B0 C0 100
Bt × Ct
= × 100
B0 × C0
At
= × 100
A0
A
= It/0 .

2- Le résultat de 2- se déduit en suivant la même démarche suivi en 1-.

Exemple 9 Soit P et Q les prix et quantités d’un produit vendu par une entreprise.
Si le prix de ce produit augmente de 60% de 2005 à 2010 et si les quantités vendues
ont diminué de 50% de 2005 à 2010, alors quelle est l’évolution des recettes R de 2005
à 2010?
P Q
On a : I10/05 = 100 + 60 = 160 et I10/05 = 100 − 50 = 50 et on a aussi R = P × Q en
tout instant, alors d’aprés la propriété du produit des quantités, on a

R P Q 1 160 × 50
I10/05 = I10/05 × I10/05 × = = 80.
100 100
Autrement dit les recettes ont diminué de 20%.
16 CHAPITRE. 4 : Les indices statistiques

2.2 Les indices synthétiques.

En économie, les grandeurs étudiées sont souvent complexes, c’est-à-dire composées
de plusieurs grandeurs simples qu’il faut synthétiser. Ainsi, l’indice des prix à la
production dans une industrie, est calculé sur la base des prix de 240 produits. Il
s’agit d’un indice synthétique résumant les 240 indices élémentaires relatifs au prix
de chacun des produits considérés.

2.2.1 Indices de valeur.

En économie, on étudie souvent l’évolution des prix, des quantités et de leur produits,
appelés valeurs. Trois types d’indices peuvent alors être calculés: indice des prix, indice
des quantités et indice de valeur.

Définition 2.2.1 On considère une grandeur g composée de k éléments g i , i =

1, ..., k. Pi0 , Pit , Qi0 , et Qit sont respectivement les prix et les quantités à l’instant 0
et t d’un élément g i .
L’indice de valeur Pk
V Pit Qit
It/0 = Pki=1 × 100.
i=1 Pi0 Qi0

Exemple 10 Considérons une entreprise qui vend les produits b1 , b2 , b3 , et b4 . On

veut expliquer l’évolution du chiffre d’affaires réalisé entre 2 dates 0 et t à partir
de l’évolution des prix pratiques et celle des quantités vendues. Les données sont
consignées dans le tableau suivant:

b Pi0 Qi0 Pit Qit

b1 5 20 8 15
b2 6 30 7 20
b3 8 40 9 30
b4 10 10 11 20

On a
V 8 × 15 + 7 × 20 + 9 × 30 + 11 × 20
It/0 = × 100 ' 107.14.
5 × 20 + 6 × 30 + 8 × 40 + 10 × 10
Donc le chiffre d’affaires a augmenté de 0 à t de 7.14%.

2.2.2 Indices de Laspeyres.

Définition 2.2.2 Les indices de Laspeyres des prix et des quantités sont respective-
ment d efinis par:
Pk Pk
Pit Qi0 Pi0 Qit
LPt/0 = Pki=1 × 100 , LQ
t/0 = Pki=1 × 100.
i=1 Pi0 Qi0 i=1 Pi0 Qi0
4.2 Les indices synthétiques 17

Exemple 11 Calculons les indices de Laspeyres des prix et des quantités des données
de l’exemple précédent.
On a
8 × 20 + 7 × 30 + 9 × 40 + 11 × 10
LPt/0 = × 100 = 120,
5 × 20 + 6 × 30 + 8 × 40 + 10 × 10
5 × 15 + 6 × 20 + 8 × 30 + 10 × 20
LQt/0 = × 100 ' 90.71.
5 × 20 + 6 × 30 + 8 × 40 + 10 × 10
Intérpretation:

- LPt/0 = 120 implique que à quantités fixées de 0 à t, les prix ont augmenté de
120-100=20%.

- LQ
t/0 ' 90.71 implique que à prix fixées de 0 à t, les quantités ont diminué de
100-90.71=9.29%.

2.2.3 Indices de Paasche.

Définition 2.2.3 Les indices de Paasche des prix et des quantités sont respective-
ment définis par:
Pk Pk
P Pit Qit Q Pit Qit
Pt/0 = Pki=1 × 100 , Pt/0 = Pki=1 × 100.
i=1 Pi0 Qit i=1 Pit Qi0

Exemple 12 Calculons les indices de Paasche des prix et des quantités des données
de l’exemple précédent.
On a
P 8 × 15 + 7 × 20 + 9 × 30 + 11 × 20
Pt/0 = × 100 ' 118.11,
5 × 15 + 6 × 20 + 8 × 30 + 10 × 20
Q 8 × 15 + 7 × 20 + 9 × 30 + 11 × 20
Pt/0 = × 100 ' 89.29.
8 × 20 + 7 × 30 + 9 × 40 + 11 × 10
Intérpretation:
P
- Pt/0 ' 118.11 implique que à quantités fixées de 0 à t, les prix ont augmenté de
118.11-100=18.11%.
Q
- Pt/0 ' 89.29 implique que à prix fixées de 0 à t, les quantités ont diminué de
100-89.29=10.17%.

2.2.4 Indices de Fischer.

Définition 2.2.4 L’indice de Fisher des prix (resp. des quantités) est défini comme
la moyenne géométrique des indices de Laspeyres et de Paasche des prix (resp. des
quantit es), et on a:
q q
Q
P
Ft/0 = LPt/0 × Pt/0
P
et Ft/0 = LQ Q
t/0 × Pt/0 .
18 CHAPITRE. 4 : Les indices statistiques

Exemple 13 Les indices de Fischer des prix et des quantités (exemple précédent)
de 0 à t, sont:
P
√ Q
√
Ft/0 = 120 × 118.11 ' 119.05 et Ft/0 = 90.71 × 89.29 ' 90.

On résume les trois indices dans le tableau suivant:

V
It/0 LPt/0 Pt/0
P P
Ft/0 LQ
t/0
Q
Pt/0 Q
Ft/0
107.14 120 118.11 119.05 90.71 89.29 90

Intérpretation: D’une vue globale, l’augmentation du chiffres d’affaires est à cause

de l’augmentation des prix est importante par rapport à la dimunition des quantités.

Proposition 2.2.1 (Relation entre les indices) On a:

V
It/0 = LPt/0 × LQ
t/0

P Q
= Pt/0 × Pt/0

P Q
= Ft/0 × Ft/0